MétaCan
Menu
Retour à la cohorte
Enregistrement W4386854665 · doi:10.1016/s2215-0366(23)00229-8

Organisational and student characteristics, fidelity, funding models, and unit costs of recovery colleges in 28 countries: a cross-sectional survey

2023· article· en· W4386854665 sur OpenAlexaff
Daniel Hayes, Holly Hunter-Brown, Elizabeth Camacho, Merly McPhilbin, Rachel Elliott, Amy Ronaldson, Ioannis Bakolis, Julie Repper, Sara Meddings, Vicky Stergiopoulos, Lisa Brophy, Yuki Miyamoto, Stynke Castelein, Trude Klevan, D.J. Elton, Jason Grant‐Rowles, Yasuhiro Kotera, Claire Henderson, Mike Slade, Clara De Ruysscher, Michail Okoliyski, Petra Kubínová, Lene Falgaard Eplov, Charlotte Toernes, Dagmar Narusson, Aurélie Tinland, Bernd Puschner, Ramona Hiltensperger, Fabio Lucchi, Marit Borg, Roger Boon Meng Tan, Chatdanai Sornchai, Kim Tiengtom, Marianne Farkas, Hannah Morland-Jones, Ann Butler, Richard Mpango, Samson Tse, Zsuzsa Kondor, Michael Ryan, Gianfranco Zuaboni, Charlotte Hanlon, Claire Harcla, Wouter Vanderplasschen, Simone Arbour, Denise Silverstone, Ulrika Bejerholm, Candice L. Y. M. Powell, Susana Ochoa, Mar García‐Franco, Jonna Tolonen, Danielle Dunnett, Caroline Yeo, Katy Stepanian, Tesnime Jebara

Notice bibliographique

RevueThe Lancet Psychiatry · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNIHR Nottingham Biomedical Research CentreSchool for Social Care ResearchNational Institute for Health and Care Research
Mots-clésStaffingFidelityMedical educationOddsUnit (ring theory)Cross-sectional studyPsychologyMedicineNursingLogistic regressionEngineeringMathematics education

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recovery colleges were developed in England to support the recovery of individuals who have mental health symptoms or mental illness. They have been founded in many countries but there has been little international research on recovery colleges and no studies investigating their staffing, fidelity, or costs. We aimed to characterise recovery colleges internationally, to understand organisational and student characteristics, fidelity, and budget. METHODS: In this cross-sectional study, we identified all countries in which recovery colleges exist. We repeated a cross-sectional survey done in England for recovery colleges in 28 countries. In both surveys, recovery colleges were defined as services that supported personal recovery, that were coproduced with students and staff, and where students learned collaboratively with trainers. Recovery college managers completed the survey. The survey included questions about organisational and student characteristics, fidelity to the RECOLLECT Fidelity Measure, funding models, and unit costs. Recovery colleges were grouped by country and continent and presented descriptively. We used regression models to explore continental differences in fidelity, using England as the reference group. FINDINGS: We identified 221 recovery colleges operating across 28 countries, in five continents. Overall, 174 (79%) of 221 recovery colleges participated. Most recovery colleges scored highly on fidelity. Overall scores for fidelity (β=-2·88, 95% CI 4·44 to -1·32; p=0·0001), coproduction (odds ratio [OR] 0·10, 95% CI 0·03 to 0·33; p<0·0001), and being tailored to the student (OR 0·10, 0·02 to 0·39; p=0·0010), were lower for recovery colleges in Asia than in England. No other significant differences were identified between recovery colleges in England, and those in other continents where recovery colleges were present. 133 recovery colleges provided data on annual budgets, which ranged from €0 to €2 550 000, varying extensively within and between continents. From included data, all annual budgets reported by the college added up to €30 million, providing 19 864 courses for 55 161 students. INTERPRETATION: Recovery colleges exist in many countries. There is an international consensus on key operating principles, especially equality and a commitment to recovery, and most recovery colleges achieve moderate to high fidelity to the original model, irrespective of the income band of their country. Cultural differences need to be considered in assessing coproduction and approaches to individualising support. FUNDING: National Institute for Health and Care Research.

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)0,004
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 enseignants0,004
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,314
Tête enseignante GPT0,469
Écart entre enseignants0,155 · 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

Citations53
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet PsychiatryMême sujetMental Health and Patient InvolvementTravaux en français237 207