Supporting Quality Integrated Care for Adolescent Depression in Primary Care: A Learning System Approach
Notice bibliographique
Résumé
Background: Quality integrated care, which involves primary care and mental health clinicians working together, can help identify and treat adolescent depression early. We explored systemic barriers to quality integrated care at the provincial level in Ontario, Canada using a learning system approach. Methods: Two Ontario Health Teams (OHTs), regional networks designed to support integrated care, completed the Practice Integration Profile (PIP) and participated in focus groups. Results: The OHTs had a median PIP score of 69 out of 100. Among the PIP domains, the lowest median score was case identification (50), and the highest one was workspace (100). The focus groups generated 180 statements mapped to the PIP domains. Workflow had the highest number of coded statements (59, 32.8%). Discussion: While the primary care practices included mental health clinicians on-site, the findings highlighted systemic barriers with adhering to the integrated care pathway for adolescent depression. These include limited access to mental health expertise for assessment and diagnosis, long wait times for treatment, and shortages of clinicians trained in evidence-based behavioral therapies. These challenges contributed to the reliance on antidepressants as the first line of treatment due to their accessibility rather than evidence-based guidelines. Conclusion: Primary care practices, within regional networks such as OHTs, can form learning systems to continuously identify the strategies needed to support quality integrated care for adolescent depression based on real-world data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».