MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408286022 · doi:10.1371/journal.pone.0316313

Strategies for relapse prevention among people with schizophrenia in KwaZulu-Natal Province, South Africa: Healthcare providers’ perspectives

2025· article· en· W4408286022 sur OpenAlexaff
Joyce Protas Mlay, Thirusha Naidu, Suvira Ramlall, Krushika Uday Patankar, Khadija Israel, Laura Esquivel, Laura Curran, Sbusisiwe Sandra Mhlungu, Makhosazane Zondi, Richard Lessells, Andrew Tomita, Jennifer I. Manuel

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHealth careMedicineNursingQualitative researchTeamworkTransitional careMultidisciplinary approachFamily medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Relapse is a significant challenge among people with schizophrenia and is broadly recognized by the aggravation of positive or negative symptoms, the need for re-hospitalization, more intensive case management, and/or changes in medication. The quality of inpatient care and proper transition to outpatient care are crucial in reducing the risk of relapse. Healthcare providers play vital roles in ensuring the continuity of care after patients are discharged from the hospital. Little is known about the roles of preventing relapse from the perspective of healthcare providers. This study explored the currently existing strategies for preventing relapse from the perspective of healthcare providers. METHODS: We captured the view of healthcare providers providing services to psychiatric patients using a qualitative methodological approach with descriptive phenomenology. We conducted audio-recorded, in-depth interviews with 15 consenting clinical providers from a public psychiatric hospital in Durban, South Africa. To facilitate analysis, we used Dedoose software (SocioCultural Research Consultants, LLC [www.dedoose.com]), and the themes were inducted from the data. RESULTS: Six major themes inducted from the analysis: Preparing patients and caregivers for discharge; Developing consistent and caring therapeutic relationships; Using an active approach to transition; Working with patients and caregivers concurrently; Creating and sustaining interagency connections; and Facilitating alternative forms of treatment. CONCLUSIONS: Discharge planning and preparation are needed to ensure smooth transitions from hospital to outpatient care for relapse prevention. The healthcare system should ensure the availability of human resources for health at all levels of health facilities, and multidisciplinary teamwork will help a successful transition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,005
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,280
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSchizophrenia research and treatment→Travaux en français237 207→