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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».