Improving Mental Health Knowledge Among Brazilian Community Health Agents in a Training Program for a Self‐Reported Mental Health Assessment
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to evaluate a mental health training process that included the implementation of the interRAI Self-Reported Assessment for Mental Health (SAMH) tool among Community Health Agents (CHAs), to improve knowledge of mental health issues, as well as to assess the tool's feasibility and acceptability. METHOD: This is a quasi-experimental study. The participants were 24 CHAs from a municipality in the Metropolitan Region of Porto Alegre, Rio Grande do Sul, Brazil. The instruments used were a sociodemographic and work-related questionnaire; a pre-test and post-test questionnaire to assess the knowledge of mental health, and a questionnaire assessing the feasibility and accessibility of interRAI SAMH, which was part of the training process. To compare knowledge before and after the process, a paired-sample t-test was used. Feasibility and acceptability of the SAMH were evaluated using a questionnaire and qualitative data. RESULTS: The training, combined with the SAMH data collection process, contributed to increased perceived knowledge of the following topics: psychiatric reform, human rights in mental health, Mental Health National Policy, Mental Health Care Models, Psychiatric Reform Law, risk factors for suicide, depression, alcohol and drugs, personalized therapeutic plan, psychoses, anxiety disorders, psychiatric urgences and emergencies, and interdisciplinary work. The results of feasibility and acceptability evidenced that CHAs feel more capable of recognizing psychiatric pathologies and emergencies, such as individuals at risk of suicide. CONCLUSION: The findings support the feasibility and acceptability of the interRAI SAMH tool and its potential to enhance CHAs' knowledge and ability to identify and refer individuals with mental health conditions in Primary Health Care.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».