Developing a Framework to Evaluate Collaborative Mental Health Services in Primary Care Systems in Latin America
Notice bibliographique
Résumé
Mental health, including substance and concurrent disorders, is a major public health challenge worldwide. Approaches to collaborative mental health care (CMHC) are being implemented in Latin America to strengthen the accessibility and delivery of mental health services in primary health care settings. However, there are no well-defined frameworks to evaluate CMHC. Objective: To develop a feasible and meaningful evaluation framework to support the ongoing improvement and performance measurement of services and systems in Latin America regarding CMHC. Methods: Three public health networks were selected in Mexico, Nicaragua and Chile. The study included: (1) a critical review of the literature focused on relevant health services research approaches, theory and evaluation models; (2) an environmental scan at each of the three research sites, comprising document reviews, key informant interviews with decision makers, focus groups with front line clinicians, and a survey for other key stakeholders, to better understand the local context and evaluation needs, as well as to identify some implementation challenges and opportunities; (3) a Delphi group with experts to identify the main areas of consensus, as well as disagreements about the importance and feasibility of evaluation dimensions; and (4) a final consultation in the three sites aimed at discussing preliminary results and refining the evaluation framework. Quantitative and qualitative data were integrated in the analysis. Results: A comprehensive evaluation framework for CMHC in Latin America was developed. It includes 5 levels, 28 dimensions and 40 domains, as well as examples of indicators and an implementation plan. A knowledge exchange strategy was developed aimed at reaching the research sites as well as the academic community and other stakeholders. Conclusion: The evaluation framework represents an important effort to foster accountability and quality regarding CMHC in Latin America. Recommendations to build upon current capacity and to successfully address the existing implementation challenges are further discussed.
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 | 0,250 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,018 | 0,011 |
| Études des sciences et des technologies | 0,010 | 0,018 |
| Communication savante | 0,019 | 0,017 |
| Science ouverte | 0,006 | 0,018 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».