Recovery college features and context: advancing a recovery and well-being policy agenda
Notice bibliographique
Résumé
Purpose Internationally, there has been a move towards more recovery-oriented mental health policies for people living with mental illness, and some countries have included well-being as a population-level objective. In practice, these policy objectives can be difficult to achieve because of deeply rooted policy legacies, including a biomedical approach to care and the stigma associated with mental illness. The purpose of this paper is to investigate how interventions that operate outside the formal mental health system, such as recovery colleges (RCs), may advance these policy objectives more easily than efforts at broader system reform. Design/methodology/approach This study conducted a scoping review to explore the features and context of RCs that make the model an attractive and feasible opportunity to advance a recovery and well-being agenda. Our research is motivated by the initial and growing adoption of RCs by the Canadian Mental Health Association. This paper applies the consolidated framework for implementation research to analyse features of the model and the context of its implementation in Canada. Findings The RC’s educational approach, adaptability, coproduced nature and positioning outside the formal mental health system are key features that facilitate implementation without disrupting deeply entrenched policy legacies. Other facilitators in the Canadian context include the implementing organisation’s independence from government, its federated structure and the model’s alignment with national policy objectives. Originality/value This paper highlights how interventions outside the formal mental healthcare system can promote stated recovery and well-being policy goals.
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 | 0,001 | 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 | 0,009 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».