Open Notes in Mental Health: A Scoping Review of Stakeholder Experiences and Implications for Clinical Practice
Notice bibliographique
Résumé
Background/Objectives: Open Notes—defined as patients’ electronic, portal-based access to clinicians’ narrative documentation within electronic health records (EHRs)—has become routine through policy and portal initiatives. In mental health (MH), transparency intersects with sensitive formulation and risk language, making outcomes contingent on documentation practices, release timing, and reader support. This scoping review mapped empirical evidence on experiences, perceived impacts, and implementation of Open Notes in MH across stakeholders and settings, deriving implications for practice, training, and policy. Methods: A PRISMA-ScR-guided review was conducted with a preregistered protocol on OSF. Eligible studies examined Open Notes in MH settings and reported stakeholder perspectives. Two reviewers independently screened and extracted data, analyzed through inductive narrative thematic synthesis. Results: Twenty-two studies (2012–2025) from the USA, Sweden, Germany, Canada, and international settings included surveys, qualitative interviews, mixed-methods designs, pilot and quasi-experimental implementations, and a Delphi consensus. Patients consistently reported improved comprehension, recall, empowerment, and—in some cases—greater trust. Large surveys identified error detection and patient-initiated corrections as safety mechanisms, while a minority reported worry or feeling judged by wording. Clinicians adapted documentation—modifying tone, wording, or candor—to minimize misinterpretation. Workload effects were generally modest, limited to occasional clarifications. Implementation and expert studies emphasize organizational readiness, training, patient preparation, and privacy-aware portal design as key enablers of safe transparency. Conclusions: In MH, Open Notes function as a communication and engagement tool that strengthens partnership, comprehension, and safety when implemented with attention to risk-sensitive documentation and privacy safeguards.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».