Who is helping students? A qualitative analysis of task-shifting and on-campus mental health services in China's university settings
Notice bibliographique
Résumé
The mental health of university students is a major concern worldwide. Current literature has highlighted workforce shortage as one of the main barriers for delivering mental health care in China and elsewhere. A common strategy to tackle this shortage involves engaging non-specialist health workers and professionals from non-medical backgrounds in mental health promotion within university settings. Yet, there remains limited understanding of how this approach operates in practice and its effectiveness in delivering essential on-campus services to students. This study contributes to narrowing this knowledge gap through the engagement with interdisciplinary mental health service providers (n = 141) at six universities in Shandong, China. We used focus group interviews to explore how task-shift practices operate in the Chinese university context and analyze the main barriers in the practitioners' delivery of mental health care practices. According to our analysis, (1) competing roles of non-health actors create a trust-privacy dilemma in the delivery of mental health service; (2) knowledge gap and workload issues become new barriers for effective mental health promotion; and (3) the lack of structured intersectoral collaboration creates barriers to establish effective mental health care networks to meet the needs of university students. These results highlight the importance of using a settings approach in designing and assessing mental health interventions based on task-shifting within the contexts of Chinese universities. The study also helps to map out the unique features of the workforce situation in the mental health support system of Chinese universities, offering researchers and practitioners insights on how to better localize their assessment and programming.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».