Learn, Engage, Act, Dedicate (LEAD): Development and feasibility testing of a task-shifted intervention to improve alcohol use, depression and family engagement for fathers
Notice bibliographique
Résumé
Abstract Men’s depression, alcohol use, and family problems commonly co-occur to create of cluster of mental health problems. Yet, few treatments exist to address these problems, especially in low and middle-income countries (LMICs). This paper describes the development and initial feasibility and acceptability of a novel task-shifted intervention to address this cluster of men’s mental health problems with a focus on engaging and retaining men in treatment. The intervention, Learn, Engage, Act, Dedicate (LEAD), is based in behavioral activation blended with motivational interviewing and was pilot tested in Kenya. To develop LEAD, we engaged in a community-engaged multi-step, collaborative process with local Kenyan stakeholders. LEAD was piloted with nine fathers reporting problem drinking. To assess initial feasibility and acceptability, recruitment and participation were tracked and descriptive statistics were generated given engagement of men was key for proof of concept. Semi-structured interviews were conducted with participants and analyzed using thematic content analysis. The development process resulted in a weekly 5-session intervention rooted in behavioral activation, motivational interviewing, and masculinity discussion strategies. These approaches were combined and adapted to fit contextually salient constructs, such as the importance of the man as provider, and streamlined for lay providers. Feasibility and acceptability results were promising with high attendance, acceptability of delivery and intervention content, and perceived intervention helpfulness. Results describe an acceptable task-shifted treatment that may engage men in care and addresses a cluster of common mental health problems among men. Findings set the stage for a larger trial. Trial registration: ISRCTN, ISRCTN130380278. Registered 7 October 2019 - Retrospectively registered, http://www.isrctn.com/ISRCTN13038027
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».