Analyse des obstacles à l'intervention infirmière auprès des familles dans les unités de soins de santé mentale à la lumière du modèle de changement de Collerette
Bibliographic record
Abstract
Accompagner au quotidien un proche souffrant d’un problème de santé mentale est une expérience qui transforme profondément l’identité des familles. Celles-ci doivent souvent composer avec des sentiments tels que la culpabilité et l’impuissance. L’hospitalisation en psychiatrie du membre atteint n’améliore guère la situation. Or, dans ce contexte, les écrits reconnaissent massivement les bienfaits de l’inclusion des membres de la famille, autant pour la personne atteinte que pour les proches et les professionnels de la santé impliqués. Pourtant, ces familles se sentent toujours exclues des soins et non reconnues dans leur rôle, ceci ayant des conséquences importantes sur tous les acteurs. Cette recension critique des écrits a pour but d’analyser les obstacles à la pratique de l’approche familiale par l’infirmière sur les unités de soins psychiatriques, afin de proposer des recommandations visant la transformation des pratiques cliniques actuelles. Une recherche systématique des écrits a été effectuée dans les bases de données CINHAL, PsychInfo et PubMed et l’analyse des écrits a été réalisée à partir de la théorie du changement proposée par Collerette. Les résultats montrent que la confidentialité, le manque d’habiletés et d’expertise ainsi que certains problèmes organisationnels sont les principaux obstacles à la pratique quotidienne d’interventions infirmières auprès des proches.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.024 | 0.054 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".