Pathways to care in first-episode psychosis in low-resource settings: Implications for policy and practice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Developing countries such as India face a major mental health care gap. Delayed or inadequate care can have a profound impact on treatment outcomes. We compared pathways to care in first episode psychosis (FEP) between North and South India to inform solutions to bridge the treatment gap. METHODS: Cross-sectional observation study of 'untreated' FEP patients (n = 177) visiting a psychiatry department in two sites in India (AIIMS, New Delhi and SCARF, Chennai). We compared duration of untreated psychosis (DUP), first service encounters, illness attributions and socio-demographic factors between patients from North and South India. Correlates of DUP were explored using logistic regression analysis (DUP ≥ 6 months) and generalised linear models (DUP in weeks). RESULTS: Patients in North India had experienced longer DUP than patients in South India (β = 17.68, p < 0.05). The most common first encounter in North India was with a faith healer (45.7%), however, this contact was not significantly associated with longer DUP. Visiting a faith healer was the second most common first contact in South India (23.6%) and was significantly associated with longer DUP (Odds Ratio: 6.84; 95% Confidence Interval: 1.77, 26.49). Being in paid employment was significantly associated with shorter DUP across both sites. CONCLUSIONS: Implementing early intervention strategies in a diverse country like India requires careful attention to local population demographics; one size may not fit all. A collaborative relationship between faith healers and mental health professionals could help with educational initiatives and to provide more accessible care.
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.
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 | 0,001 |
| 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 découle