Pathways to care in first-episode psychosis in low-resource settings: Implications for policy and practice
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.
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 | 0,012 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,006 |
| 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 ».