Clinical Outcomes in Routine Evaluation Measures Following Utilization of Peer Support and Supportive Text Messaging in Mental Health- Controlled Observational Study
Notice bibliographique
Résumé
INTRODUCTION: Peer support workers (PSW) and text messaging services (TxM) are effective mental health supportive services. Both interventions have positive outcomes, with TxM demonstrating clinical and economic effectiveness and PSW showing its utility within the recovery-oriented model. OBJECTIVES: To evaluate the effectiveness of combining PSW and TxM together in reducing psychological distress of recently discharged patients receiving psychiatric care. METHODS: In a prospective, rater-blinded, pilot-controlled observational design, 181 discharged patients were recruited and randomized into four conditions; TxM only, PSW only, TxM and PSW, and treatment as usual. Clinical Outcomes in Routine Evaluation-Outcome Measure (CORE-OM), a standardized measure of mental distress, was examined at four time points: baseline, six weeks, three months, and six months. MANCOVA was used to assess the impact of the interventions on participants’ scores on four CORE-OM subscales across the three follow-up time points. RESULTS: A total of 63 patients completed assessments at each time point. The interaction between PSW and TxM was predictive of differences in scores on the CORE-OM functioning subscale with a medium effect size (F1,63 = 4.19; p = 0.045; ηp2 = 0.07). The PSW + TxM group consistently achieved higher rates of recovery and clinical and reliable improvement compared to the other study groups. Additionally, the text message group and the PSW + TxM group significantly reduced the prevalence of risk of self/other harm symptoms after six months of intervention, with 27.59% (χ2(1) = 4.42, p = 0.04) and 50% (χ2(1) = 9.03, p < 0.01) prevalence reduction, respectively. CONCLUSIONS: Combining PSW and TxM is effective with positive clinical outcomes for acute care patients. Incorporating the two interventions into routine psychiatric care for patients after discharge is highly recommended. DISCLOSURE OF INTEREST: None Declared
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».