Lost in translation: a narrative review and synthesis of the published international literature on mental health research and translation priorities (2011–2023)
Notice bibliographique
Résumé
BACKGROUND: Priority setting in mental health research is arguably lost in translation. Decades of effort has led to persistent repetition in what the research priorities of people with lived-experience of mental ill-health are. AIM: This was a narrative review and synthesis of published literature reporting mental health research priorities (2011-2023). METHODS: A narrative framework was established with the questions: (1) who has been involved in priority setting? With whom have priorities been set? Which priorities have been established and for whom? What progress has been made? And, whose priorities are being progressed? RESULTS: Seven papers were identified. Two were Australian, one Welsh, one English, one was from Chile and another Brazilian and one reported on a European exercise across 28 countries (ROAMER). Hundreds of priorities were listed in all exercises. Prioritisation mostly occured from survey rankings and/or workshops (using dots, or post-it note voting). Most were dominated by clinicians, academics and government rather than people with lived-experience of mental ill-health and carer, family and kinship group members. CONCLUSION: One lived-experience research led survey was identified. Few studies reported lived-experience design and development involvement. Five of the seven papers reported responses, but no further progress on priorities being met was reported.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».