Promoting and Protecting Mental Health: A Delphi Consensus Study for Actionable Public Mental Health Messages
Notice bibliographique
Résumé
PURPOSE: Public health campaigns are still relatively rare in mental health. This paper aims to find consensus on the preventive self-management actions (i.e. "healthy behaviors") for common mental health problems (e.g. depression and anxiety) that should be recommended in mental health campaigns directed at the general public. APPROACH: A 3-round Delphi study. PARTICIPANTS: 23 international experts in mental health and 1447 members of the public, most of whom had lived experience of mental health problems. METHOD: The modified Delphi study combined quantitative and qualitative data collection: 1) online qualitative survey data collection thematically analyzed, 2) recommendations rated for consensus, 3) consensus items rated by public panel on a Likert scale. RESULTS: Expert consensus was reached on 15 behaviors that individuals can engage in to sustain mental health. Eight were rated as appropriate by more than half (50%) of the public panel, including: avoiding illicit drugs (80%, n = 1154), reducing debt (72%, n = 1043), improving sleep (69%, n = 1000), regulating mood (65%, n = 941), having things to look forward to (60%, n = 869). CONCLUSIONS: A series of healthy behaviors for the promotion and protection of mental health received expert and public consensus. To our knowledge, this is the first study to offer a set of actions for public health messaging for the prevention of poor mental health. Future research should focus on evaluating effectiveness of these actions in a universal primary prevention context.
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 | 0,191 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».