MétaCan
Menu
Retour à la cohorte
Enregistrement W4213326710 · doi:10.1186/s12875-022-01634-w

Perceptions on barriers, facilitators, and recommendations related to mental health service delivery during the COVID-19 pandemic in Quebec, Canada: a qualitative descriptive study

2022· article· en· W4213326710 sur OpenAlexaffabout
Jessica Spagnolo, Marie Beauséjour, Marie‐Josée Fleury, Jean-François Clément, Claire Gamache, Carine Sauvé, Lyne Couture, Richard Fleet, Shane Knight, Christine Gilbert, Helen‐Maria Vasiliadis

Notice bibliographique

RevueBMC Primary Care · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversité LavalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre Intégré de Santé et de Services Sociaux des LaurentidesCegep de Saint HyacintheCentre intégré de santé et de services sociaux de la Montérégie-CentreCentre intégré de santé et de services sociaux de Chaudière-AppalachesMcGill UniversityDouglas Mental Health University InstituteHôpital Charles-Le MoyneUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMental healthThematic analysisNursingMedicinePandemicService delivery frameworkQualitative researchModalitiesHealth carePsychologyService (business)PsychiatryBusinessCoronavirus disease 2019 (COVID-19)Political scienceMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There was an increase in self-reported mental health needs during the COVID-19 pandemic in Canada, with research showing reduced access to mental health services in comparison to pre-pandemic levels. This paper explores 1) barriers and facilitating factors associated with mental health service delivery via primary care settings during the first two pandemic waves in Quebec, Canada, and 2) recommendations to addressing these barriers. METHODS: A qualitative descriptive study design was used. Semi-structured interviews with 20 participants (health managers, family physicians, mental health clinicians) were conducted and coded using a thematic analysis approach. RESULTS: Barriers and facilitating factors were organized according to Chaudoir et al. (2013)'s framework of structural, organizational, provider- and patient-related, as well as innovation (technological modalities for service delivery) categories. Barriers included relocation of mental health staff to non-mental health related COVID-19 tasks (structural); mental health service interruption (organizational); mental health staff on preventive/medical leave (provider); the pandemic's effect on consultations (i.e., perceptions of increased demand) (patients); and challenges with the use of technological modalities (innovation). Facilitating factors included reinforcements to mental health care teams (structural); perceptions of reductions in wait times for mental health evaluations during the second wave due to diminished FP referrals in the first wave, as well as supports (i.e., management, private sector, mental health trained staff) for mental health service delivery (organizational); staff's mental health consultation practices (provider); and advantages in increasing the use of technological modalities in practice (innovation). CONCLUSIONS: To our knowledge, this is the first study to explore barriers and facilitating factors to mental health service delivery during the pandemic in Quebec, Canada. Some barriers identified were caused by the pandemic, such as the relocation of staff to non-mental health services and mental health service interruption. Offering services virtually seemed to facilitate mental health service delivery only for certain population groups. Recommendations related to building and strengthening human and technological capacity during the pandemic can inform mental health practices and policies to improve mental health service delivery in primary care settings and access to mental health services via access points.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,070
Score d'incertitude au seuil0,508

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0130,005
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,065
Tête enseignante GPT0,398
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Primary CareMême sujetCOVID-19 and Mental HealthTravaux en français237 207