MODELS OF PUBLIC MENTAL HEALTH IN PRACTICE: A SCOPING REVIEW
Notice bibliographique
Résumé
Background: Public mental health models are critical for mitigating diverse mental healthcare needs. However, there is limited understanding of effective models in practice. Purpose: This scoping review aims to analyse various existing models of public mental health implementation globally and in India. Methods: A comprehensive literature search was conducted across multiple databases, including PubMed and Google Scholar, using the keywords: ("public mental health" OR "community mental health") AND ("models" OR “frameworks”). The literature search identified 60 potential manuscripts. After screening and full-text assessment, 31 manuscripts were selected for analysis, providing insights into public mental health models. The selection process involved excluding manuscripts not relevant to the research question (n=2), older studies (n=11) and those with inaccessible full texts (n=16). Results: The scoping review identified several effective models: community-based (initiatives and awareness campaigns), settings-based (hospital, school, and workplace programs), crisis intervention (disaster support and suicide prevention), digital (telehealth and mobile applications), and peer support models. Conclusions: There is an urgent need to integrate diverse models of public mental health models into healthcare services. It is crucial in order to effectively address mental health needs and improve outcomes. Abstrak Latar Belakang: Model kesehatan mental publik sangat penting untuk mengurangi beragam kebutuhan perawatan kesehatan mental. Namun, pemahaman tentang model yang efektif dalam praktiknya masih terbatas. Tujuan: Tinjauan cakupan ini bertujuan untuk menganalisis berbagai model implementasi kesehatan mental publik yang ada secara global dan di India. Metode: Pencarian literatur yang komprehensif dilakukan di berbagai basis data, termasuk PubMed dan Google Scholar, menggunakan kata kunci: ("kesehatan mental publik" ATAU "kesehatan mental komunitas") DAN ("model" ATAU "kerangka kerja"). Pencarian literatur mengidentifikasi 60 manuskrip potensial. Setelah penyaringan dan penilaian teks lengkap, 31 manuskrip dipilih untuk dianalisis, yang memberikan wawasan tentang model kesehatan mental publik. Proses seleksi melibatkan pengecualian manuskrip yang tidak relevan dengan pertanyaan penelitian (n=2), penelitian lama (n=11) dan penelitian dengan teks lengkap yang tidak dapat diakses (n=16). Hasil: Tinjauan cakupan mengidentifikasi beberapa model yang efektif: berbasis komunitas (inisiatif dan kampanye kesadaran), berbasis lingkungan (program rumah sakit, sekolah, dan tempat kerja), intervensi krisis (dukungan bencana dan pencegahan bunuh diri), digital (telehealth dan aplikasi seluler), dan model dukungan sebaya. Kesimpulan: Ada kebutuhan mendesak untuk mengintegrasikan berbagai model kesehatan mental publik ke dalam layanan kesehatan. Hal ini penting untuk mengatasi kebutuhan kesehatan mental dan meningkatkan hasil secara efektif.
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 | 0,046 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,020 | 0,021 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».