Implementation of caring contacts using patient feedback to reduce suicide‐related outcomes following psychiatric hospitalization
Notice bibliographique
Résumé
INTRODUCTION: Suicide risk is substantially elevated following discharge from a psychiatric hospitalization. Caring Contacts (CCs) are brief communications delivered post-discharge that can help to improve mental health outcomes. METHOD: This three-phase, mixed-method quality-improvement study revised an existing CC intervention using iterative patient and community feedback. Inpatients (n = 2) and community members (n = 13) participated in focus groups to improve existing CC messages (phases 1 and 2). We piloted these messages among individuals with a suicide-related concern following discharge from an inpatient psychiatric hospitalization (n = 27), sending CCs on days 2 and 7 post-discharge (phase 3). Phase 3 participants completed mental health symptom measures at baseline and day 7, and provided feedback on these messages. RESULTS: Phase 1 and 2 focus group participants indicated preferences for shorter, more visually appealing messages that featured personalized, recovery-focused content. Phase 3 participants demonstrated reductions in depressive symptoms at day-7 post-discharge (-6.4% mean score on Hopkins-Symptom-Checklist, -9.0% mean score on Entrapment-Scale). Most participants agreed that CC messages helped them feel more connected to the hospital and encouraged help-seeking behavior post-discharge. CONCLUSION: This study supports the use of an iterative process, including patient feedback, to improve CC messages and provides further pilot evidence that CC can have beneficial effects.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».