Supporting people in Early Intervention in Psychosis services: the role of primary care
Notice bibliographique
Résumé
BACKGROUND: Early Intervention in Psychosis (EIP) services offer treatment to people experiencing a first episode of psychosis. Service users may be referred from primary care and discharged directly back at the end of their time in an EIP service. AIM: To explore the role of primary care in supporting EIP service users (SUs) and to understand how to improve collaboration between primary and specialist care. METHOD: Qualitative study comprising semi-structured interviews with SUs, carers, healthcare professionals (HCPs), managers, and commissioners. Interviews were conducted either online or by telephone. Thematic analysis was carried out using principles of constant comparison. Patient and public involvement were key to all stages, including data analysis. RESULTS: = 33). GPs reported difficulties in referring people into EIP services and little contact with SUs while in EIP services, even about physical health. GPs suggested they were not included in planning discharge from EIP to primary care. SUs and carers reported that transition from EIP can lead to uncertainty, distress, and exacerbation of symptoms. GPs reported only being made aware of patients on or after discharge, with no contact for 3 years. GPs described difficulty managing complex medication regimes, and barriers to re-referral to mental health services. CONCLUSION: GPs have a key role in supporting people within EIP services, specifically monitoring and managing physical health. Inclusion of GPs in planning discharge from EIP services is vital.
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 | 0,001 | 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 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 ».