State-of-the-art literature review of Recovery College evaluative studies between 2013-2024
Notice bibliographique
Résumé
Introduction: Over the past ten years, the Recovery College (RC) practice model has spread at an incredible speed. After ten years of implementation and evaluative research on RC, it seemed worthwhile to analyze the state-of-the-art of these evaluative studies. The aim of this literature review is to provide a systematic analysis answering the questions: 1) Since the first evaluative studies of RC, how have RC studies been developed, implemented and evaluated between 2013-2024? 2) What are the findings and gaps in the studies published between 2013-2024? Methods: A state-of-the art literature review was conducted with no date limits on peer-review articles in MEDLINE and Scopus electronic databases. The good practice guide for a systematic literature review published by Siddaway et al. was used, in combination with a structured multi-stage process. Endnote, Covidence and NVivo softwares were used to collect relevant evaluative studies, screen them based on blind selection, analyze their content and ensure inter-rater validation. The quality of each study was assessed using the Kmet grids by two independent assessors. Results: A total of 64 articles published between January 2013 and June 2024 were selected. Analysis of these articles revealed five qualitative clusters. Early articles on the RC focused on implementation stages and lessons (2013-2024). Next, articles focused on perceived benefits, learners' experience and active ingredients (2014-2024). Articles then moved on to outcomes evaluation (2015-2024) and service utilization and costs (2019-2024). Finally, articles focused on documenting an international scope of the RC and providing a status report and global multicenter comparisons (2019-2023). Discussion: These groups of articles capture the scope and richness of the studies, but also the progression in study quality over the past 10 years. To keep pace with this progression, future studies need to consolidate outcome measurement and sustainability over time, using models with high statistical power. Thus, they need to move to crossover designs and randomized controlled trials and give preference to multicenter, international studies with high statistical power.
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 | 0,050 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,049 | 0,039 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».