Out from the shadows: What health leaders should do to advance the mental health and substance use health workforce
Notice bibliographique
Résumé
The Mental Health and Substance Use Health (MHSUH) impacts of the COVID-19 pandemic are proving to be significant, complex, and long-lasting. The MHSUH workforce-including psychologists, social workers, psychotherapists, addiction counsellors, and peer support workers as well as psychiatrists, family physicians, and nurses-is the backbone of the response. As health leaders consider how to address long-standing and emerging health workforce challenges, there is an opportunity to move the MHSUH workforce out from the shadows through full inclusion in health workforce planning in Canada. After first examining the roots and consequences of the long-standing exclusion of the MHSUH workforce, this paper presents findings from a recent study showing how the pandemic has compounded MHSUH workforce capacity issues. Priorities for MHSUH workforce action by health leaders include closing regulation gaps, engaging the public and private sectors in coordinated planning, and accelerating data collection through a central health workforce registry.
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 | 0,024 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,011 |
| Communication savante | 0,019 | 0,025 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,016 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,006 |
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 ».