Early intervention in psychosis programs in Africa, Asia and Latin America; challenges and recommendations
Notice bibliographique
Résumé
Background: While early intervention in psychosis (EIP) programs have been increasingly implemented across the globe, many initiatives from Africa, Asia and Latin America are not widely known. The aims of the current review are (a) to describe population-based and small-scale, single-site EIP programs in Africa, Asia and Latin America, (b) to examine the variability between programs located in low-and-middle income (LMIC) and high-income countries in similar regions and (c) to outline some of the challenges and provide recommendations to overcome existing obstacles. Methods: EIP programs in Africa, Asia and Latin America were identified through experts from the different target regions. We performed a systematic search in Medline, Embase, APA PsycInfo, Web of Science and Scopus up to February 6, 2024. Results: Most EIP programs in these continents are small-scale, single-site programs that serve a limited section of the population. Population-based programs with widespread coverage and programs integrated into primary health care are rare. In Africa, EIP programs are virtually absent. Mainland China is one of the only LMICs that has begun to take steps toward developing a population-based EIP program. High-income Asian countries (e.g. Hong Kong and Singapore) have well-developed, comprehensive programs for individuals with early psychosis, while others with similar economies (e.g. South Korea and Japan) do not. In Latin America, Chile is the only country in the process of providing population-based EIP care. Conclusions: Financial resources and integration in mental health care, as well as the availability of epidemiological data on psychosis, impact the implementation of EIP programs. Given the major treatment gap of early psychosis in Africa, Latin America and large parts of Asia, publicly funded, locally-led and accessible community-based EIP care provision is urgently needed.
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 | 0,026 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».