Disseminating action‐based cognitive remediation to an early psychosis network: Clinician perspectives on feasibility and implementation barriers
Notice bibliographique
Résumé
AIM: Action-based cognitive remediation (ABCR) is a group cognitive remediation treatment that aims to improve neurocognitive impairments experienced in patients with severe mental illness. Developed in research settings, ABCR is not yet widely available in community settings. As such, this study examines the feasibility of implementing ABCR in community clinics in an early psychosis network. METHODS: Eighty-five allied health professionals who work within an early psychosis intervention network were trained in the provision of ABCR. They were surveyed 6-months after training to gather information regarding their experience implementing ABCR within their clinical settings (e.g., barriers, perceived helpfulness of the treatment, modifications made to the manualized treatment). Access to ongoing training supports (e.g., treatment manual, asynchronous digital communication, conference calls) was also assessed. RESULTS: Fifty-one clinicians responded to the survey. Staff time, manager support, and equipment were rated as organizational barriers. Geographic location, other responsibilities, and motivation were rated as patient barriers. Over half of the sample modified the overall dose of ABCR to offer fewer sessions and/or shorter duration of sessions than the manualized approach. Clinicians that reduced the dose of ABCR reported significantly higher barriers with manager support than staff who delivered ABCR as manualized but did not report worse patient outcomes. We found asynchronous learning opportunities (i.e., manual, online discussion forum) were perceived as the most accessible and helpful methods of ongoing training support. CONCLUSIONS: The results provide preliminary information about barriers to implementing time-intensive cognitive treatments into clinical settings and may inform future training practices to increase successful implementation of cognitive remediation treatments.
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 | 0,040 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».