Boosting access to evidence-based insomnia care: our experience with a stepped care approach in Canada
Notice bibliographique
Résumé
Insomnia is a major issue due to its prevalence, health effects, and economic burden. In Canada, 45% of the population report trouble initiating or maintaining sleep and 16% meet criteria for insomnia disorder. Despite evidence that sedative-hypnotic medications have limited long-term effectiveness and pose risks to patient and public health, pharmacotherapy remains commonplace. Cognitive behavioral therapy for insomnia (CBT-I) is the recommended first-line intervention for insomnia; however, access to CBT-I is uneven and inequitable. We developed a stepped care model aimed at boosting Canadians' access to CBT-I. The model promotes a flexible, equitable approach to the effective management of insomnia by optimizing the efficient use of CBT-I resources and reducing chronic sedative-hypnotic medication use. Self-guided approaches are the foundation. Subsequent steps include interventions by primary care providers and community pharmacists, trained CBT-I providers, and behavioral sleep experts. In this commentary, we illustrate how this model can optimize intervention access and how it provides a framework for the training of various healthcare providers in evidence-based insomnia care. We include research evidence from each step and discuss the place of this model within Canadian healthcare systems. We hope the concepts from this broad, applied approach will be valuable for other countries.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,023 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».