MétaCan
Menu
Retour à la cohorte
Enregistrement W4388735993 · doi:10.1370/afm.22.s1.5530

Factors Influencing Care Trajectories for Common Mental Disorders related sick leave : Patients’ Experience in Primary Care

2023· article· en· W4388735993 sur OpenAlexaboutno aff
Justine Labourot

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSick leavePsychosocialPsychological interventionContext (archaeology)Mental healthMedicineFamily medicineHealth careOpenness to experienceNursingPsychologyPsychiatryPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Context: Common mental health disorders (CMDs) represent up to 30% of all sick leave requests in 2013, with 25% lasting over 6 months. In Canada, family physicians serve as the main prescribers of sick leave and coordinate the necessary psychosocial and rehabilitation services for recovery and return to work (RTW). However, limited access to family physicians, their isolated practices, and time and knowledge constraints can impede effective patient sick leave management. Coupled with restricted service access, income disparities, and insurance coverage variations, this leads to trajectory variability, hindering optimal care establishment and creating patient inequity, ultimately undermining universal service quality. Objective: Describe patients’ perspectives of the factors having influenced their mental health-related sick leave trajectories and their access to primary care mental health and RTW services. Methods: A descriptive qualitative research design was used. Semi-structured individual interviews of approximately 60 minutes were conducted with 14 participants on a videoconference platform. Transcriptions were analyzed using Conventional content analysis. Setting: Participants were recruited mostly from the Montreal region in Quebec, Canada, were all followed by a family physician during their sick leave and had various access to insurance coverage. Results: Six themes describing the main factors influencing care trajectory were identified : 1) fragmented interventions provided by family physicians; 2) patients’ autonomy in managing their own care trajectory; 3) The attitude and case management provided by the insurer; 4) duration and ill-adapted intervention approaches of the Employee and Family Assistance Programs; 5) employer’s openness and understanding; and 6) match between the person’s needs and their ability to access psychosocial and rehabilitation services. Conclusions: Our findings emphasize crucial gaps in collaborative practices surrounding management of mental health-related sick leave. Strengthening coordination of these services, including the integration of return-to-work coordinators in primary care, is essential. Occupational therapists in this role could support the family physician in managing the sick leave and RTW, strengthen interprofessional and intersectoral collaboration, and ensure that patients received needed services in a timelier manner regardless of their insurance coverage or financial needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,033
Tête enseignante GPT0,366
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWorkplace Health and Well-beingTravaux en français237 207