Mental healthcare in primary and community-based settings: evidence beyond the WHO Mental Health Gap Action Programme (mhGAP) Intervention Guide
Notice bibliographique
Résumé
OBJECTIVES: The WHO's Mental Health Gap Action Programme Intervention Guide (mhGAP-IG) has been widely used in low and middle-income countries. We reviewed literature describing interventions and training programmes beyond the mhGAP-IG, in primary healthcare (PHC) and community-based healthcare (CBH). DESIGN: We searched studies excluded from our updated mhGAP-IG systematic review, and included in other relevant systematic reviews, for evidence and experience of initiatives integrating mental health into PHC and CBH. Our 24 November 2020 mhGAP-IG search encompassed MEDLINE, Embase, PsycINFO, Web of Knowledge, Scopus, CINAHL, LILACS, ScieELO, Cochrane, PubMed databases, 3ie and Google Scholar. Although heterogeneity prevented meta-analysis, we descriptively summarised the evidence-base. RESULTS: Out of 1827 results, we identified 208 relevant records. They described randomised controlled trials of mental health interventions (98 studies, n=55 523 participants), non-randomised studies measuring clinical outcomes (22 studies, n=7405), training outcomes (36 studies, n=12 280) and implementation outcomes (21 studies, n=1090), plus descriptive accounts (18 studies, n=2526), baseline surveys and exploratory studies (6 studies, n=17 093) and commentaries (7 studies). Most (40%) were conducted in the African region, region of the Americas (16%), and South-East Asia (13%). Randomised and non-randomised studies reported improved symptoms, substance use, functioning, parenting and child outcomes. Non-randomised studies reported improved clinical knowledge, confidence and skills following training. CONCLUSIONS: The literature beyond the mhGAP-IG is extensive and shares common findings. Future priorities are less-studied regions, interventions for severe mental illness, exploring ways that mhGAP-IG and alternative approaches complement each other in different contexts and scaling-up mental health integration.PROSPERO registration numberCRD42017068459.
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 | 0,074 | 0,214 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».