MétaCan
Menu
Retour à la cohorte
Enregistrement W4412988776 · doi:10.1016/j.ssmmh.2025.100501

Exploring family physicians’ mental health referrals via centralized referral systems in Quebec, Canada: a qualitative descriptive study

2025· article· en· W4412988776 sur OpenAlexafffundabout
Jessica Spagnolo, Marie Beauséjour, Marie‐Josée Fleury, Jean-François Clément, Claire Gamache, Lyne Couture, Carine Sauvé, Shane Knight, Christine Gilbert, Richard Fleet, Helen‐Maria Vasiliadis

Notice bibliographique

RevueSSM - Mental Health · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre Intégré de Santé et de Services Sociaux des LaurentidesCIMA+ (Canada)Université LavalSanté MontérégieMcGill UniversityDouglas Mental Health University InstituteHôpital Charles-Le MoyneUniversité TÉLUQUniversité de Sherbrooke
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésReferralDescriptive researchMental healthFamily medicineDescriptive statisticsQualitative researchMedicineNursingPsychiatrySociology

Résumé

récupéré en direct d'OpenAlex

Background Centralized referral mechanisms anchored in primary care have been implemented to facilitate timely and appropriate access to health care in Quebec, Canada, like via Centre de répartition des demandes de services (CRDS), a regionally centralized referral system used by family physicians (FPs) for new requests to specialty care, including psychiatric services. CRDS for psychiatry was implemented in 2019, where local centralized referral systems to psychosocial or psychiatric services ( Guichets d’accès en santé mentale adulte (GASMA)) were already operating. We aimed to: 1) explore FPs’ use of CRDS for psychiatry; 2) better understand the functioning and potential complementarity of CRDS and GASMA, including by visually mapping these pathways; and 3) identify factors that may influence their use and functioning. Methods A qualitative descriptive study with 20 participants working in the healthcare sector was conducted. Thematic analysis was employed. Results Mental health referral pathways were mapped, with FPs as focal points. Factors identified as influencing referral mechanisms’ use and functioning included: 1) challenges related to the communication of ministerial directives on the use/functioning of centralized referral systems; 2) stakeholders’ perceptions on the regionally centralized system’s objectives for service access; 3) collaborations between clinicians and the regionally centralized system; 4) perceived added value of the regionally centralized system compared to pre-existing centralized local referral systems; and 5) key organizational/system-level mental health challenges and facilitators. Recommendations to improve these pathways’ use, functioning, and complementarity included clarifying directives and roles within trajectories, and improving communication between the regionally centralized and local systems already in place, as well as addressing organizational/system-level challenges to mental health care. Conclusions Findings inform on improvements for mental health service access, delivery, and continuity via centralized referral systems anchored in primary care and used by FPs; and access challenges via pathways and solutions to optimize mental health service trajectories.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,472
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,152
Tête enseignante GPT0,357
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSSM - Mental HealthMême sujetHealthcare Systems and TechnologyTravaux en français237 207