MétaCan
Menu
Retour à la cohorte
Enregistrement W3203573991 · doi:10.1186/s12913-021-07038-3

Service providers endorse integrated services model for youth with mental health and substance use challenges: findings from a discrete choice experiment

2021· article· en· W3203573991 sur OpenAlexafffundabout
Lisa D. Hawke, Lehana Thabane, Srividya N. Iyer, Alexia Jaouich, Paula Reaume‐Zimmer, Joanna Henderson

Notice bibliographique

RevueBMC Health Services Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCanadian Mental Health AssociationMcGill UniversityDouglas CollegeMcMaster UniversityUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesCanadian Institutes of Health ResearchCentre for Addiction and Mental Health
Mots-clésMental healthService providerLatent class modelService (business)MedicineHealth informaticsPublic healthNursingMarketingPsychiatryBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Given high rates of mental health and substance challenges among youth and substantial system access barriers, system innovation is required. Integrated youth services (IYS) models aim to transform youth mental health and substance use services by creating integrative, collaborative models of care in youth-friendly settings. This study examines service provider perspectives on the key service components to include in IYS models. METHOD: A discrete choice experiment modeled service provider preferences for the service components of IYSs. The sample includes 388 service provider/agency leader participants (age 18+) from youth-serving organizations in Ontario. Importance scores and utility values were calculated for 12 attributes represented by four levels each. Latent class analysis identified subgroups of participants with different preferences. RESULTS: The majority of participants were direct service providers working in larger organizations in the mental health and/or substance use sectors in large urban centers. Participants strongly endorsed service models that provide rapid access to the widest variety of culturally sensitive service options, with supplementary e-health services, in youth-focused community settings with evening and weekend hours. They prefer caregiver involvement in youth services and treatment decisions and support youth and family engagement. Latent class analyses reveal three segments of service providers: a Youth-Focused Service Accessibility segment representing 62.1% (241/388) of participants, a Service Options segment representing 27.6% (107/388) of participants, and a Caregiver Integration segment representing 10.3% (40/388) of participants. Within these segments, the degree of prioritization of the various service components differ; however, the overall endorsement of the service components remains largely consistent across classes for most attributes. The segments did not differ based on demographic or agency characteristics. CONCLUSIONS: The core characteristics of IYS settings for youth with mental health and substance use challenges, i.e., rapid access to a wide range of youth-oriented services, are strong priorities of service providers and youth-serving agency leaders. These findings confirm that youth-oriented service providers endorse the importance and relevance of IYS models as a whole; strong service provider buy-in to the model is expected to facilitate development, implementation and scaling of IYS models. Hearing stakeholder perspectives, including those of service providers, youth, and caregivers, is essential to developing, effectively implementing, and scaling effective youth services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,603
Tête enseignante GPT0,622
Écart entre enseignants0,020 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207