Improving the Capacity of Non-Physician Primary Care Providers to Address Child and Youth Mental Health Through Mental Health Literacy Approaches
Notice bibliographique
Résumé
INTRODUCTION AND OBJECTIVES: Canadians rely on their primary care providers to address their mental health needs, but there are longstanding system gaps that must be addressed to enhance their ability to deliver mental health care. The present study addressed the gap in pediatric mental health care through the development, delivery, and evaluation of a mental health literacy training among non-physician primary care providers. METHODS: We delivered the training among 97 participants, with all completed the pre-test survey, and 74 completed the post-test survey on knowledge, attitudes toward mental health, and help-seeking intentions. Additionally, participants explained why they attended the training and shared how they would apply the knowledge learned into their practice (behaviors). RESULTS: = .274. However, participants' scores were exceedingly high on both outcomes, indicating positive attitudes and intentions at 2 time points and implying a ceiling effect of both outcomes. We did not find outcome differences by demographics, practice year, practice zone, or professional role. While knowledge, years of practice and prior mental health training predicted participants attitudes at pre-test, they didn't at post-test. Attitudes toward mental health predicted help-seeking intentions. Participants indicated this training will change their practice behaviors. CONCLUSION: This mental health literacy training for primary care providers demonstrated strong evidence of the need to integrate mental health and addiction support into primary care practice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».