Communicating Effectively when Engaging People with Lived Experience in Mental Health and Substance use Health Research: A Qualitative Descriptive Study
Notice bibliographique
Résumé
Background. People with lived experience of mental health and/or substance use challenges and families (PWLE/F) are increasingly engaged in research, providing positive impacts. However, effective engagement can be challenging, including ensuring effective communication. This qualitative study sought to understand the communication preferences of PWLE/F who are engaged in mental health and substance use health research. Method. A total of 18 participants (aged 19 to 79) took part in one of four focus group discussions. A semi-structured interview guide was used to facilitate the discussions. Focus group transcripts were analyzed using codebook thematic analysis. PWLE/F were engaged in all stages of the study in the form of a PWLE/F Advisory Group. Results. Four themes were generated from the data: 1) Communicate in trusting and respectful ways, 2) Use an accessible communication style, 3) Employ effective communication approaches before, during, and after meetings, and 4) Use technology effectively to support engagement. Each theme is illustrated by several subthemes and representative quotes. Conclusions. Clear communication can help support strong engagement practices, where everyone involved has the opportunity to contribute. Friendly, accessible, jargon-free communication can help people with lived experience and families feel authentically engaged, but departs from typical scientific communication styles and may require specific effort for some groups to achieve. Communication should be continuous, throughout the engagement cycle. Technology can be used to help support this. Attending to clear communication throughout the research and engagement lifecycle is a key consideration that can help achieve an authentic PWLE/F engagement climate.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».