Telepsychiatry services during <scp>COVID</scp>‐19: A <scp>cross‐sectional</scp> survey on the experiences and perspectives of young adults with <scp>first‐episode</scp> psychosis
Notice bibliographique
Résumé
INTRODUCTION: Limited evidence exists on the implementation of telepsychiatry within the context of early intervention services for psychosis, the need for which has become even more relevant during the COVID-19 pandemic. To address this gap, we investigated the experiences and perspectives of young adults recovering from a first-episode psychosis (FEP) following their use of telepsychiatry services (i.e. use of video conferencing technology to deliver mental health services to patients in real time). METHODS: , 2021 with young adults recruited from a specialized program for FEP located in an urban Canadian setting. Data were analysed using descriptive statistics, exploratory (Fisher's exact test), and content analysis. RESULTS: Among 51 participants (mean age = 26.0, SD = 4.7; 56.9% female), the majority were satisfied with the service (91%, 46/51), perceived that the platform was easy to use (90%, 46/51) and felt secure in terms of confidentiality (82%, 42/51). Satisfaction was related to perceptions regarding ease of use, image quality, and employment/studying status. Several partially or totally agreed that the presence of a third party was essential to login during the first few sessions (35%, 18/51), and some needed technical support (24%, 12/51) throughout the sessions. CONCLUSIONS: This study shows that telepsychiatry is feasible and acceptable to implement for patients in the early phase of psychosis recovery. It also highlights the importance of making technical support available, especially in the first few times of using the service, and addressing patient concerns regarding confidentiality, even when using secured health technologies.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».