INCRESE: Development of an Inventory to Characterize Recorded Mental Health Recovery Narratives.
Notice bibliographique
Résumé
OBJECTIVE: Mental health recovery narratives are increasingly used in clinical practice, public health campaigns, and as directly-accessed online resources. No instrument exists to describe characteristics of individual recovery narratives. The aims were to develop and evaluate an inventory to characterize recorded recovery narratives. RESEARCH DESIGN AND METHODS: A preliminary version of the Inventory of Characteristics of Recovery Stories (INCRESE) was generated from an existing theory-base. Feasibility and acceptability were evaluated by two coders each rating 30 purposively-selected narratives. A refined version was produced and a formal evaluation conducted. Reliability was assessed by four coders each rating 95 purposively-selected narratives. Inter-coder reliability was assessed using Fleiss's kappa coefficients; test-retest reliability was assessed using intra-class correlation coefficients (ICCs). RESULTS: Multiple refinements to description, coding categories, and language were made. Data completeness was high, and no floor or ceiling effects were found. Intercoder reliability ranged from moderate (k=0.58) to perfect (k=1.00) agreement. Test-retest reliability ranged from moderate (ICC=0.57) to complete (ICC=1.00) agreement. The final INCRESE comprises 77 items spanning five sections: Narrative Eligibility; Narrative Mode; Narrator Characteristics; Narrative Characteristics; Narrative Content. CONCLUSION: INCRESE is the first evaluated tool to characterize mental health recovery narratives. It addresses current concerns around normative recovery narratives being used to promote compulsory wellness, e.g. by identifying narratives that reject diagnosis as an explanatory model and those with non-upward trajectories. INCRESE can be used to establish the diversity of a narrative collection and will be used in the NEON trials (ISRCTN11152837, ISRCTN63197153, ISRCTN76355273) to allow a recommender system to match narratives to participants.
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 | 0,010 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».