Augmenting Mental Health Support for Patients Accessing Different Degrees of Formal Psychiatric Care through a Supportive Text Messaging Program: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
Patients feel more vulnerable when accessing community mental health programs for the first time or after being discharged from psychiatric inpatient units. Long wait times for follow-up appointments, shortage of mental health professionals, lack of service integration, and scarcity of tailored support can weaken their connection to the health care system. As a result, patients can present low adherence, dissatisfaction with treatment, and recurrent hospitalizations. Finding solutions to avoid unnecessary high-cost services and providing tailored and cost-effective mental health interventions may reduce the health system burden and augment patient support. We propose implementing an add-on, supportive text messaging service (Text4Support), developed using cognitive-behavioural therapy (CBT) principles to augment mental health support for patients attending to or being discharged from psychiatric care in Nova Scotia, Canada. This randomized controlled trial aims to investigate the effectiveness of Text4Support in improving mental health outcomes and overall mental well-being compared with usual care. We also will examine the intervention's impact on health services utilization and patient satisfaction. The results from this study will provide evidence on stepped and technology-based mental health care, which will contribute to generating new knowledge about mental health innovations in various clinical contexts, which is not only helpful for the local context but to other jurisdictions in Canada and abroad that are seeking to improve their health 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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».