Can Microfinance-Based Poverty Alleviation Programs Help Patients with Severe Mental Illness?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: While the social security programs offer financial assistance to patients with severe mental illness in high-income countries, no such systems exist in low- and middle-income countries. During recent years, poverty alleviation programs have been found to alleviate poverty in many countries. However, such programs have not been tried in persons with severe mental illness. We report 1-year outcomes of a microfinance program to alleviate poverty in patients with schizophrenia in a low-income country. Objectives: The objectives were to assess the feasibility and acceptability of a poverty alleviation program and to study the effect of the program on clinical and financial variables. Methods: Twenty-five (25) unemployed, young persons (19–35) with severe mental illness living with the family were recruited into a microfinance-based poverty alleviation program. Feasibility was assessed through recruitment and retention. Psychopathology and functioning were assessed through Positive and Negative Syndrome Scale (PANSS), Brief Psychiatric Rating Scale, and Global Assessment of Functioning at baseline and 12 months. Results: The program was feasible and acceptable, with excellent recruitment and retention rates. There were statistically significant improvements in PANSS-positive symptoms ( P < 0.000), PANSS-negative symptoms ( P < 0.000), PANSS-general score ( P < 0.000), and functioning ( P < 0.001). At 12 months, participants earned an average of $USD 40/month, with an average of $USD 10 spent on medication, $USD 12.5 on loan repayment, and $USD 17.5 contribution to family living. Conclusions: Poverty alleviation programs can be used to help younger persons with severe mental illness. However, this study has numerous limitations, and there is a need to conduct definitive trials in this area.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle