MétaCan
Menu
Retour à la cohorte
Enregistrement W4386547681 · doi:10.12927/hcpol.2023.27159

E-Mental Health Services in Canada: Can They Close the Access Gap?

2023· article· en· W4386547681 sur OpenAlexafffundvenueabout
Evgenia Gatov, Gillian Strudwick, David Wiljer, Paul Kurdyak

Notice bibliographique

RevueHealthcare policy · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensCentre for Addiction and Mental HealthUniversity Health NetworkInstitute of Health Services and Policy Research
Organismes subventionnairesUniversity of Toronto
Mots-clésMental healthContext (archaeology)Mental healthcareBusinessPandemicCoronavirus disease 2019 (COVID-19)Health carePublic relationsMedicinePolitical scienceEconomic growthPsychiatryGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

With significant unmet needs for mental healthcare in Canada, there is a growing interest in e-mental health (e-MH) services to meet gaps in access. While the policy window appears to be open, it is unclear how best to implement e-MH services due to health system barriers that create unmet needs in the first place. We explore the financing, organization and delivery of Canadian mental health services and discuss the promise of e-MH services for alleviating access barriers, highlighting increased policy attention during the COVID-19 pandemic. We consider how evidence-based e-MH services have successfully scaled in other publicly funded healthcare systems and note potential issues in the Canadian context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,431
Écart entre enseignants0,368 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207