WHO mental health gap action programme (mhGAP) intervention guide: updated systematic review on evidence and impact
Notice bibliographique
Résumé
QUESTION: There is a large worldwide gap between the service need and provision for mental, neurological and substance use disorders. WHO's Mental Health Gap Action Programme (mhGAP) intervention guide (IG), provides evidence-based guidance and tools for assessment and integrated management of priority disorders. Our 2017 systematic review identified 33 peer-reviewed studies describing mhGAP-IG implementation in low-income and middle-income countries. STUDY SELECTION AND ANALYSIS: We searched MEDLINE, Embase, PsycINFO, Web of Knowledge, Scopus, CINAHL, LILACS, ScieELO, Cochrane, PubMed databases, 3ie, Google Scholar and citations of our review, on 24 November 2020. We sought evidence, experience and evaluations of the mhGAP-IG, app or mhGAP Humanitarian IG, from any country, in any language. We extracted data from included papers, but heterogeneity prevented meta-analysis. FINDINGS: Of 2621 results, 162 new papers reported applications of the mhGAP-IG. They described mhGAP training courses (59 references), clinical applications (n=49), research uses (n=27), contextual adaptations (n=13), economic studies (n=7) and other educational applications (n=7). Most were conducted in the African region (40%) and South-East Asia (25%). Studies demonstrated improved knowledge, attitudes and confidence post-training and improved symptoms and engagement with care, post-implementation. Research studies compared mhGAP-IG-enhanced usual care with task-shared psychological interventions and adaptation studies optimised mhGAP-IG implementation for different contexts. Economic studies calculated human resource requirements of scaling up mhGAP-IG implementation and other educational studies explored its potential for repurposing. CONCLUSIONS: The diverse, expanding global mhGAP-IG literature demonstrates substantial impact on training, patient care, research and practice. Priorities for future research should be less-studied regions, severe mental illness and contextual adaptation of brief psychological interventions.
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 | 0,027 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».