The use of geographic information systems (GIS) in studying mental health service delivery: A scoping review
Notice bibliographique
Résumé
Geographic information systems (GIS) are computer-based spatial mapping tools widely used in public health to examine service availability and access disparities and healthcare utilization. While GIS has supported evidence-based health planning in various domains, its application in mental healthcare service delivery remains underexplored. Our scoping review aimed to address this gap by exploring the scope and type of GIS usage in studying three dimensions of mental health (MH) service delivery (availability, accessibility and utilization), across all geographical locations, settings and populations. We conducted a scoping review following the Joanna Briggs Institute methodology. We included peer-reviewed English-language studies using GIS to examine service delivery (availability, accessibility or utilization) for any MH condition diagnosed through standardized criteria or validated tools. Seven databases were searched (Medical Literature Analysis and Retrieval System Online [MEDLINE], PsycINFO, Excerpta Medica Database [Embase], Global Health, Cumulative Index to Nursing and Allied Health Literature [CINAHL], Cochrane Central Register of Controlled Trials [CENTRAL] and Web of Science) between January and April 2024. This review included 58 studies predominantly from high-income countries. A wide range of GIS methods were employed across studies, including hotspot analysis, network analysis and spatial analysis. Six studies explored availability, generally through measures like distribution of facilities across a population, and resource availability within 5-10-mile network buffers. Forty-six studies explored the spatial accessibility of MH services and substance-use treatment facilities using GIS. Six studies examined service utilization patterns. Equity emerged as a recurring theme across all three dimensions. GIS has the potential to emerge as a powerful tool in MH research, particularly in mapping disparities, informing service delivery and identifying high-risk zones. Expanding GIS use in trial design, implementation science and policy advocacy could help bridge critical gaps in MH service delivery, ensuring more equitable and data-driven decision-making.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».