Improving mental health and psychosocial wellbeing in humanitarian settings: reflections on research funded through R2HC
Notice bibliographique
Résumé
Major knowledge gaps remain concerning the most effective ways to address mental health and psychosocial needs of populations affected by humanitarian crises. The Research for Health in Humanitarian Crisis (R2HC) program aims to strengthen humanitarian health practice and policy through research. As a significant portion of R2HC's research has focused on mental health and psychosocial support interventions, the program has been interested in strengthening a community of practice in this field. Following a meeting between grantees, we set out to provide an overview of the R2HC portfolio, and draw lessons learned. In this paper, we discuss the mental health and psychosocial support-focused research projects funded by R2HC; review the implications of initial findings from this research portfolio; and highlight four remaining knowledge gaps in this field. Between 2014 and 2019, R2HC funded 18 academic-practitioner partnerships focused on mental health and psychosocial support, comprising 38% of the overall portfolio (18 of 48 projects) at a value of approximately 7.2 million GBP. All projects have focused on evaluating the impact of interventions. In line with consensus-based recommendations to consider a wide range of mental health and psychosocial needs in humanitarian settings, research projects have evaluated diverse interventions. Findings so far have both challenged and confirmed widely-held assumptions about the effectiveness of mental health and psychosocial interventions in humanitarian settings. They point to the importance of building effective, sustained, and diverse partnerships between scholars, humanitarian practitioners, and funders, to ensure long-term program improvements and appropriate evidence-informed decision making. Further research needs to fill knowledge gaps regarding how to: scale-up interventions that have been found to be effective (e.g., questions related to integration across sectors, adaptation of interventions across different contexts, and optimal care systems); address neglected mental health conditions and populations (e.g., elderly, people with disabilities, sexual minorities, people with severe, pre-existing mental disorders); build on available local resources and supports (e.g., how to build on traditional, religious healing and community-wide social support practices); and ensure equity, quality, fidelity, and sustainability for interventions in real-world contexts (e.g., answering questions about how interventions from controlled studies can be transferred to more representative humanitarian contexts).
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 | 0,184 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,017 | 0,020 |
| Science ouverte | 0,007 | 0,031 |
| Intégrité de la recherche | 0,016 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».