Adapting mental health services to the COVID-19 pandemic: reflections from professionals in four countries
Notice bibliographique
Résumé
The COVID-19 pandemic significantly changed the lives of a majority of the world’s population. People have been encouraged to implement social distancing behaviors enforced by governments, and have experienced loss of employment or changes to their usual working environment. In the mental health sector, psychologists and psychiatrists have been forced to alter the standard care of patients without compromising safety. This article documents the experiences of the authors – mental health professionals in four countries, Canada, Russia, Australia and Japan – at the time of the COVID-19 pandemic, and offers recommendations on how clinical, training, and research practices may need to be adjusted to deal with lockdown situations. Clinicians adapted their usual best practices by learning new skills and updating their knowledge base. Mental health clinicians noticed that the pandemic led to symptomatic changes in some of their patients. Most clinicians moved towards providing telemental health services, such as conducting assessments and treatments remotely. Those who continued seeing patients in person employed personal protective equipment with various impacts on the clinician–patient relationship. The dilemmas of mass quarantines need to be carefully examined, as their effects on numerous health and psychosocial variables appear to be far-reaching.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,027 | 0,015 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,003 | 0,018 |
| Intégrité de la recherche | 0,009 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».