Is Mental Health and Psychosocial Support (MHPSS) cost effective? An economic evaluation among Congolese refugees in the Kyaka Ⅱ community in Uganda
Notice bibliographique
Résumé
Background: Mental health is a global public health issue. Mental health disorders can develop in anyone, but the prevalence is higher among refugees. Mental Health and Psychosocial Support (MHPSS), aims to improve mental health and is commonly applied among persons from conflict-afflicted settings such as, refugees. There are several studies demonstrating the effectiveness of MHPSS but there are limited studies on its cost-effectiveness. Purpose: The purpose of this study is to determine if a MHPSS intervention among Congolese refugees and some Ugandans living in and around the Kyaka Ⅱ refugee camp in Uganda, is cost- effective compared to a ‘do-nothing approach’ and to determine if this effect differs over sex, age, refugee status, MHPSS type, and project funder. Methods: A Cost-Effectiveness Analysis (CEA) will be conducted from the societal perspective. The main outcome of interest is mental health measured via the Self-Report Questionnaire-20 (SRQ-20), measured pre and post intervention. The cost analysis is performed by analyzing financial expenditure reports and conducting interviews. The effectiveness is determined by the mean raw score change in the SRQ-20, the number of recovered participants, and Hedges G effect size. A multivariable regression at a 95% confidence level, is used to determine differences in effect based on sex, age, refuge status, MHPSS type and project funder. Findings: The total cost of the intervention is $704,038 USD and the cost per participant is $281. The SRQ-20 score decreased by 12.7 points and 88 percent of participants recovered. The cost per unit reduction in the SRQ-20 is $22 per participant and at a cost of $331 one participant will recover. Only sex had a statistically significant effect on the outcome, but the ICER differs minimally between females and males. Conclusions: Based on WHO’s CHOICE framework for arguing cost-effectiveness and comparative literature, the intervention is cost-effective at an ICER of 22 USD.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».