Quantifying Care, Qualifying Experiences: A Systematic Review of Measurement-Based Care in Psychiatry from Patient and Provider Perspectives
Notice bibliographique
Résumé
Objective: This systematic review synthesizes clinician and patient perspectives on the benefits and drawbacks of measurement-based care (MBC) in psychiatry. Study Selection and Analysis: We searched Ovid MEDLINE, EMBASE, EBM Reviews, APA PsychINFO, and CINAHL databases from inception to January 2024. After screening 1643 titles and abstracts, 47 full papers were reviewed, and 23 studies were ultimately included. Quality assessment was conducted using the Mixed Methods Appraisal Tool, and key patterns were extracted using thematic analysis. Findings: The review reflects opinions of 746 patients and 2804 clinicians across various settings. Patients valued MBC for enhancing communication, self-awareness, and reducing stigma. However, they expressed concerns about the adequacy of measures in reflecting their clinical state and uncertainty about how responses influence treatment decisions. Clinicians appreciated MBC for improving patient involvement, tracking treatment response, and enhancing communication efficiency. Concerns included inadequate capture of clinical complexity, potential reporting biases, time constraints, insufficient training, and concerns with respect to data usage and privacy. Conclusions: While patients and clinicians recognize significant benefits, including enhanced communication, improved insight, and more structured clinical decision-making, they also identify important limitations. These include concerns about the adequacy of scales to capture complex clinical presentations, potential impacts on the therapeutic alliance, and increased administrative burden. Moving forward, successful integration of MBC into routine care will require addressing these challenges through improved clinician training, clear guidelines for interpretation, greater transparency with respect to how data will be used, and more seamless integration with existing clinical workflows.
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 | 0,045 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,015 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».