MétaCan
Menu
Retour à la cohorte
Enregistrement W3092554663 · doi:10.4103/ijsp.ijsp_75_18

Community psychiatry – Transcontinental lessons of the last quarter century

2018· article· en· W3092554663 sur OpenAlexaboutno aff
T. Manoj Kumar

Notice bibliographique

RevueIndian Journal of Social Psychiatry · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMainstreamQuarter (Canadian coin)Relevance (law)Social psychiatryClosure (psychology)Political scienceInstitutionalisationField (mathematics)ScholarshipPsychiatryMental healthSociologyMedicinePublic relationsLawHistory

Résumé

récupéré en direct d'OpenAlex

Fueled by the discovery of effective medications and the debilitative effects of psychiatric institutionalization and driven by the social winds of change, community psychiatry took shape all over the world. The gradual closure of asylums and the move to community signified not only a geographical shift, but also led to the development of a whole new raft of practices in delivering services in the community. Many of these have become mainstream practices elsewhere. After a promising start, initiatives in community psychiatry have stalled in India, with the lack of resources being the most obvious cause. For various reasons, the field of social psychiatry has also not been in the limelight as psychiatry shifted its focus to the possibilities held out by biological psychiatry. This is unfortunate because the need for broader models is never more relevant than now, as social inequities continue to grow. Therefore, the time is ripe to look back over the developments in community psychiatry of the last quarter century and search for relevance in the light of our current realities. What are the main developments and more importantly, can these be implemented in a cost-effective manner in India? This article is a reflective attempt to argue for the feasibility of models using those principles but adapted for our social and economic realities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,204
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,353
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of Social PsychiatryMême sujetMental Health Treatment and AccessTravaux en français237 207