<scp><i>Show me you care</i></scp>: A patient‐ and family‐reported measure of care experiences in early psychosis services
Notice bibliographique
Résumé
AIM: Despite their emphasis on engagement, there has been little research on patients' and families' experiences of care in early intervention services for psychosis. We sought to compare patients' and families' experiences of care in two similar early psychosis services in Montreal, Canada and Chennai, India. Because no patient- or family-reported experience measures had been used in a low- and middle-income context, we created a new measure, Show me you care. Here we present its development and psychometric properties. METHODS: Show me you care was created based on the literature and stakeholder inputs. Its patient and family versions contain the same nine items (rated on a 7-point scale) about various supportive behaviours of treatment providers towards patients and families. Patients (N = 293) and families (N = 237) completed the measure in French/English in Montreal and Tamil/English in Chennai. Test-retest reliability, internal consistency, convergent validity, and ease of use were evaluated. RESULTS: Test-retest reliability (intra-class correlation coefficients) ranged from excellent (0.95) to good (0.66) across the patient and family versions, in Montreal and Chennai, and in English, French, and Tamil. Internal consistency estimates (Cronbach's alphas) were excellent (≥0.87). The measure was reported to be easy to understand and complete. CONCLUSION: Show me you care fills a gap between principles and practice by making engagement and collaboration as central to measurement in early intervention as it is to its philosophy. Having been co-designed and developed in three languages and tested in a low-and-middle-income and a high-income context, our tool has the potential for global application.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».