Utilizing a church-based platform for mental health interventions: exploring the role of the clergy and the treatment preference of women with depression
Notice bibliographique
Résumé
Abstract Background Training lay people to deliver mental health interventions in the community can be an effective strategy to mitigate mental health manpower shortages in low- and middle-income countries. The healthy beginning initiative (HBI) is a congregation-based platform that uses this approach to train church-based lay health advisors to conduct mental health screening in community churches and link people to care. This paper explores the potential for a clergy-delivered therapy for mental disorders on the HBI platform and identifies the treatment preferences of women diagnosed with depression. Methods We conducted focus group discussion and free-listing exercise with 13 catholic clergy in churches that participated in HBI in Enugu, Nigeria. These exercises, guided by the positive, existential, or negative ( PEN-3 ) cultural model, explored their role in HBI, their beliefs about mental disorders, and their willingness to be trained to deliver therapy for mental disorders. We surveyed women diagnosed with depression in the same environment to understand their health-seeking behavior and treatment preferences. The development of the survey was guided by the health belief model . Results The clergy valued their role in HBI, expressed understanding of the bio-psycho-socio-spiritual model of mental disorders, and were willing to be trained to provide therapy for depression. Majority of the women surveyed preferred to receive therapy from trained clergy (92.9%), followed by a psychiatrist (89.3%), and psychologist (85.7%). Conclusion These findings support a potential clergy-focused, faith-informed adaptation of therapy for common mental disorders anchored in community churches to increase access to treatment in a resource-limited setting.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».