Benefits and barriers to engagement of mental health caregivers in advisory roles: Results from a cross‐sectional survey
Notice bibliographique
Résumé
Background and Aims: Mental health institutions and community organizations have had difficulty recruiting patients and caregivers onto their Patient, Family, and Community Advisory Committees (PFACs). Previous research has focused on barriers and enablers of engaging patients and caregivers who have advisory experience. This study acknowledges the experiential difference between patients and caregivers by focusing only on caregivers; further, we compare the barriers and enablers between advising versus non-advising caregivers of loved ones with mental illness. Methods: = 44 non-advising caregivers). Results: Caregivers were disproportionately female and late middle-aged. Advising and non-advising caregivers differed on employment status. There were no differences of the demographics of their care-recipients. More non-advising caregivers reported being hindered from PFAC engagement by family-related duties and interpersonal demands. Finally, more advising caregivers considered being publicly acknowledged as important. Conclusions: Advising and non-advising caregivers of loved ones with mental illness were similar in demographics and in reporting the enablers and hindrances that impact PFAC engagement. Nevertheless, our data highlights specific considerations that institutions/organizations should consider when recruiting and retaining caregivers on PFACs. Patient or Public Contribution: This project was led by a caregiver advisor to address a need she saw in the community. The surveys were codesigned by a team of two caregivers, one patient, and one researcher. The surveys were reviewed by a group of five caregivers external to the project. The results of the surveys were discussed with two caregivers involved directly with the project.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».