Understanding priorities and needs for child and adolescent mental health in Greece from multiple informants: an open resource
Notice bibliographique
Résumé
Abstract Background Evidence-based policymaking is needed so that health systems can address the gap in care for children and adolescents facing mental health challenges. We describe the development of an open-resource dataset providing a comprehensive assessment of the needs for child and adolescent mental health care in Greece. Methods This study is a part of the Child and Adolescent Mental Health Initiative (CAMHI), a program aiming to enhance mental health care capacity for children and adolescents across Greece. A comprehensive, mixed-method, community-based research was conducted in 2022/2023 to examine the current state, needs, barriers, and opportunities according to multiple viewpoints. Participants consisted of children, adolescents (including underrepresented minorities), caregivers, schoolteachers, and health professionals. We surveyed geographically distributed samples to assess mental health symptoms, mental health needs, literacy and stigma, service use and access, professional practices, training background, and training needs and preferences. Focus groups were conducted with informants to reach an in-depth understanding of those topics. Results We surveyed 1,756 caregivers, 1,201 children/adolescents, 404 schoolteachers, and 475 health professionals. Fourteen focus groups were conducted with the general and professional community. A repository with quantitative and qualitative findings informing multiple topics is now available for researchers, policymakers, and society [ https://osf.io/crz6h/ ]. Discussion This resource offers valuable data for assessing the needs and priorities for child and adolescent mental health care in Greece. It is now freely available to consult, and is expected to inform upcoming research and evidence-based professional training. This initiative may inspire similar ones in other countries, informing methodological strategies for researching mental health needs. Funding The Stavros Niarchos Foundation.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».