Advancing equitable access to digital mental health in the Asia-Pacific region in the context of the COVID-19 pandemic and beyond: A modified Delphi consensus study.
Notice bibliographique
Résumé
The COVID-19 pandemic had an unprecedented impact on global mental health and well-being, including across the Asia-Pacific. Efforts to mitigate virus spread led to far-reaching disruption in the delivery of health and social services. In response, there was a rapid shift to the use of digital mental health (DMH) approaches. Though these technologies helped to improve access to care for many, there was also substantial risk of access barriers leading to increased inequities in access to mental health care, particularly among at-risk and equity-deserving populations. The objective of this study was to conduct a needs assessment and identify priorities related to equitable DMH access among at-risk and equity-deserving populations in the Asia Pacific region during the first year of the COVID-19 pandemic. The study consisted of a modified Delphi consensus methodology including two rounds of online surveys and online consultations with stakeholders from across the region. Study participants included policy makers, clinicians and service providers, and people with lived experience of mental health conditions. Results demonstrate that vulnerabilities to negative mental health impacts and access barriers were compounded during the pandemic. Access barriers included a lack of linguistically and culturally appropriate DMH options, low mental health literacy and poor access to technological infrastructure and devices, low levels of awareness and trust of DMH options, and lack of policies and guidelines to support effective and equitable delivery of DMH. Recommendations to improve equitable access include ensuring that diverse people with lived experience are engaged in research, co-design and policy development, the development and implementation of evidence-based and equity-informed guidelines and frameworks, clear communication about DMH evidence and availability, and the integration of DMH into broader health systems. Study results can inform the development and implementation of equitable DMH as its use becomes more widespread across health systems.
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 | 0,140 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».