Core Competencies to Promote Consistency and Standardization of Best Practices for Digital Peer Support: Focus Group Study
Notice bibliographique
Résumé
BACKGROUND: As digital peer support is quickly expanding across the globe in the wake of the COVID-19 pandemic, standardization in the training and delivery of digital peer support can advance the professionalism of this field. While telehealth competencies exist for other fields of mental health practice, such as social work, psychiatry, and psychology, limited research has been done to develop and promote digital peer support competencies. OBJECTIVE: The goal of this study is to introduce the coproduction of core competencies that can guide digital peer support. METHODS: Peer support specialists were recruited through an international listserv and participated in a 1-hour virtual focus group. A total of four focus groups were conducted with 59 peer support specialists from 11 US states and three countries. RESULTS: Analysis was conducted using the rigorous and accelerated data reduction (RADaR) technique, and 10 themes were identified: (1) protecting the rights of service users, (2) technical knowledge and skills in the practice of digital peer support, (3) available technologies, (4) equity of access, (5) digital communication skills, (6) performance-based training, (7) self-care, (8) monitoring digital peer support and addressing digital crisis, (9) peer support competencies, and (10) health literacy (emerging). The authors present recommendations based on these themes. CONCLUSIONS: The introduction of digital peer support core competencies is an initial first step to promote the standardization of best practices in digital peer support. The established competencies can potentially act as a guide for training and skill development to be integrated into US state peer support specialist competencies and to enhance competencies endorsed by the Substance Abuse and Mental Health Services Administration (SAMHSA).
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 | 0,033 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».