Scaling up mental health service provision through multisectoral integration: A qualitative analysis of factors shaping delivery and uptake among South Sudanese refugees and healthcare workers in Uganda
Notice bibliographique
Résumé
Background: There is a growing need for mental health and psychosocial support (MHPSS) interventions that can feasibly be provided to larger groups of people, particularly in humanitarian settings. However, scaling up mental health interventions is notoriously difficult. There are therefore growing calls for integrating mental health outside traditional health structures, both to increase reach and to address social determinants of mental health. The objective of this study is to explore barriers and facilitators of Self-Help Plus (SH+), an MHPSS innovation implemented through multisectoral integration. We explore delivery and uptake at the scale of SH+ and aim to understand intervention adaptation needs when integrating SH+ within other health and non-health sectors in Uganda. Method: We conducted a qualitative study using in-depth interviews in two phases: first for a needs and resource assessment, and second for a process evaluation. We conducted 50 in-depth interviews with BRAC Uganda and MoH partner staff, intervention facilitators, and target impact group members between July and December 2022. A thematic network analysis process was used to identify barriers and facilitators of SH+ delivery and uptake at scale in Uganda. Results: We identified five major factors that should be considered when scaling through multisectoral integration, namely: (1) adaptivity, (2) funding mechanisms, (3) social capital, (4) participation, and (5) sustainability. Within these factors, there were varying degrees to which a factor was a facilitator or barrier, depending on participants' perceptions of the intervention. Conclusions: Our findings suggest that multisectoral integration of SH+ into sectors both inside and outside of health may be a viable means to scale SH+ and increase reach. However, funding, partnerships, co-creation, and adaptability need to be further explored to facilitate better and more sustainable integration.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| 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 ».