MétaCan
Menu
Retour à la cohorte
Enregistrement W4408526759 · doi:10.1017/gmh.2025.20.pr11

Decision: A scoping review to evaluate the efficacy of combining traditional healing and modern psychiatry in global mental healthcare — R1/PR11

2025· review· en· W4408526759 sur OpenAlexfundno aff

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineMedicine
ThématiqueComplementary and Alternative Medicine Studies
Établissements canadiensnon disponible
Organismes subventionnairesDalhousie UniversityCoventry University
Mots-clésMental healthcareMental healthMental health careHealth carePsychologyPsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

Traditional faith healers (TFHs) are often consulted for serious mental illness (SMIs) in low- and middle-income countries (LMICs). Involvement of TFHs in mental healthcare could provide an opportunity for early identification and intervention to reduce the mental health treatment gap in LMICs. The aim of this study was to identify models of collaboration between TFHs and biomedical professionals, determine the outcomes of these collaborative models and identify any mechanisms (i.e., explanatory processes) or contextual moderators (i.e., barriers and facilitators) of these outcomes. A systematic scoping review of five electronic databases was performed from inception to March 2023 guided by consultation with local experts in Nigeria and Bangladesh. Data were extracted using a predefined data charting form and synthesised narratively. Six independent studies (eight articles) satisfied the inclusion criteria. Study locations included Ghana (n = 1), Nigeria (n = 1), Nigeria and Ghana (n = 1), India (n = 1), Hong Kong (n = 1) and South Africa (n = 1). We identified two main intervention typologies: (1) Western-based educational interventions for TFHs and (2) shared collaborative models between TFHs and biomedical professionals. Converging evidence from both typologies indicated that education for TFHs can help reduce harmful practices. Shared collaborative models led to significant improvements in psychiatric symptoms (in comparison to care as usual) and increases in referrals to biomedical care from TFHs. Proposed mechanisms underpinning outcomes included trust building and empowering TFHs by increasing awareness and knowledge of mental illness and human rights. Barriers to implementation were observed at the individual (e.g., suspicions of TFHs), relationship (e.g., reluctance of biomedical practitioners to equalise their status with TFHs) and service (e.g., lack of formal referral systems) levels. Research on collaborative models for mental healthcare is in its infancy. Preliminary findings are encouraging. To ensure effective collaboration, future programmes should incorporate active participation from community stakeholders (e.g., patients, caregivers, faith healers) and target barriers to implementation on multiple levels.

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)0,108
score de la tête « metaresearch » (Gemma)0,321
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,570

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1080,321
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0100,014
Bibliométrie0,0130,012
Études des sciences et des technologies0,0040,004
Communication savante0,0160,018
Science ouverte0,0070,010
Intégrité de la recherche0,0190,006
Charge utile insuffisante (le modèle a refusé de juger)0,0620,009

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 Opus0,197
Tête enseignante GPT0,504
Écart entre enseignants0,307 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetComplementary and Alternative Medicine StudiesTravaux en français237 207