How to improve the organisation of Mental Healthcare for older adults in Belgium?
Notice bibliographique
Résumé
1. SEARCH STRATEGY OF THE NARRATIVE SCOPING REVIEW 4 -- 1.1. RESEARCH QUESTION 4 -- 1.2. PICO 4 -- 1.3. DEFINITIONS 4 -- 1.4. POTENTIAL SEARCH TERMS 5 -- 2. SEARCH STRATEGY 6 -- 2.1. MEDLINE 6 -- 2.2. COCHRANE DATABASE OF SYSTEMATIC REVIEWS 7 -- 2.3. CINAHL 9 -- 2.4. EMBASE 10 -- 3. ONLINE SURVEY TO STAKEHOLDERS 12 -- 3.1. DUTCH VERSION 12 -- 3.2. FRENCH VERSION 19 -- 4. COMPARATIVE STUDY OF FIVE COUNTRY’S APPROACHES TO THE IMPLEMENTATION OF MENTAL HEALTH CARE FOR THE ELDERLY 26 -- 4.1. INTRODUCTION 26 -- 4.2. METHODS 26 -- 4.3. GENERAL DESCRIPTION OF THE MENTAL HEALTHCARE SYSTEMS OF THE SELECTED COUNTRIES. 29 -- 4.3.1. England 29 -- 4.3.2. France 32 -- 4.3.3. Netherlands 34 -- 4.3.4. Spain 36 -- 4.3.5. Canada 38 -- 4.4. SERVICE CASE STUDIES 40 -- 4.4.1. Description of the case studies 40 -- 4.4.2. Barriers to implementation of specific services of MHC 50 -- 4.5. TRANSVERSAL ANALYSIS 52 -- 4.5.1. Approaches to mental health care and mental health services for elderly 52 -- 4.5.2. Information systems 56 -- 4.5.3. The use of performance indicators 57 -- 4.5.4. The provision of funding 57 -- 4.6. LIMITATIONS 58 -- 4.7. CONCLUSIONS 59 -- 5. NOMENCLATURE CODES 60 -- 6. ONLINE SURVEY TO INNOVATIVE INITIATIVES 65 -- 6.1. DUTCH VERSION 65 -- 6.2. FRENCH VERSION 68 -- 7. RECOMMENDATION BUILDING PROCESS 71 -- 7.1. FIRST DRAFT BUILDING OF RECOMMENDATION BASED ON KEY FINDINGS 71 -- 7.2. FINAL WORDING OF RECOMMENDATION AFTER EXPERT MEETING, VALIDATION MEETING AND INTERNAL REVIEW 72
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 | 0,021 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».