Redesigning mental health research systems from within: the role of peer-led co-production
Notice bibliographique
Résumé
Momentum is building across mental health research and practice toward collaborative, equity-driven approaches, yet institutional cultures often remain rooted in hierarchy and individual achievement. Co-production has emerged as a framework for redistributing power, fostering reciprocity, and embedding lived experience into research and system design. However, it is typically framed as something that occurs externally with communities, while the internal research dynamics within institutions go unexamined. In this commentary, we argue that peer-led co-production is a vital but under-recognized strategy for transforming mental health systems from within. Drawing on the experience of the Network for Early Career X Trainee Researchers in Youth Mental Health (NExT) in Canada, we examine how early career researchers (ECRs) are modelling alternative ways of working through relational leadership, shared accountability, and collaborative infrastructures. We identify structural barriers that constrain this work, including siloed training pathways, narrow professional evaluation metrics, rigid role definitions, and funding mechanisms that undervalue relational practices. Building on these insights, we outline a roadmap for embedding peer-led co-production within institutions, calling for four shifts: sustained investment in relational infrastructure; training that embeds collaborative competencies; evaluation systems that reward both outcomes and processes; and leadership models that support shared governance. Peer-led networks demonstrate that these shifts are not abstract ideals but viable practices already in motion. Realizing their potential requires institutional commitment to reconfiguring funding, training, evaluation, and leadership so that co-production becomes foundational of mental health research and system change.
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 | 0,015 | 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».