Organizational factors impacting the implementation of a digital mental health tool in Alberta's mental health care of youth and young adults
Notice bibliographique
Résumé
With mental health concerns on the rise among youth and young adults (age 12-24), increased mental health options include virtual care, apps and online tools, self-management and tracking tools, and digitally-enabled coordination of care. These tools may function as alternatives or adjuncts to face-to-face models of care. Innovative solutions in the form of digital mental health (dMH) services not only provide support, resources and care, but also decrease wait times and waitlists, increase access, and empower youth. However, organizational factors may impact the extent of dMH interventions are that accepted, used, and sustained in clinical settings. This qualitative study explores organizational barriers and facilitators surrounding the implementation of a digital platform (Innowell), which uses measurement-based care (MBC) to track youth progress and outcomes. Data was collected from 154 mental health care providers participating in 23 focus groups across Alberta, drawing on school and community settings, specialized mental health services, and primary care networks. A thematic analysis revealed the following: barriers included incompatibility with current systems and workflows, lack of inter-organizational collaboration, time commitment, perceived sustainability and lack of digital literacy. Facilitators included positive attitudes towards using dMH to optimize clinical practices by empowering youth and improving continuity of care, transitions in care, and quality of care, as well as workplace culture and leadership. The study highlights a critical need for decision makers and clinical leaders to address organizational factors by integrating training and support, establishing interoperability between digitized and in-person healthcare systems, and leveraging support for MBC and youth-centred care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».