Patient, family and provider views of measurement-based care in an early-psychosis intervention programme
Notice bibliographique
Résumé
Background Measurement-based care (MBC) in mental health improves patient outcomes and is a component of many national guidelines for mental healthcare delivery. Nevertheless, MBC is not routinely integrated into clinical practice. Several known reasons for the lack of integration exist but one lesser explored variable is the subjective perspectives of providers and patients about MBC. Such perspectives are critical to understand facilitators and barriers to improve the integration of MBC into routine clinical practice. Aims This study aimed to uncover the perspectives of various stakeholders towards MBC within a single treatment centre. Method Researchers conducted qualitative semi-structured interviews with patients ( n = 15), family members ( n = 7), case managers ( n = 8) and psychiatrists ( n = 6) engaged in an early-psychosis intervention programme. Data were analysed using thematic analysis, informed by critical realist theory. Results Analysis converged on several themes. These include (a) implicit negative assumptions; (b) relevance and utility to practice; (c) equity versus flexibility; and (d) shared decision-making. Providers assumed patients’ perspectives of MBC were negative. Patients’ perspectives of MBC were actually favourable, particularly if MBC was used as an instrument to engage patients in shared decision-making and communication rather than as a dogmatic and rigid clinical decision tool. Conclusions This qualitative study presents the views of various stakeholders towards MBC, providing an in-depth examination of the barriers and facilitators to MBC through qualitative investigation. The findings from this study should be used to address the challenges organisations have experienced in implementing MBC.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».