Améliorer la santé mentale des populations par l’intégration des soins de santé mentale aux soins primaires
Bibliographic record
Abstract
L’intégration des soins de santé mentale dans les soins primaires est une stratégie importante pour améliorer la santé mentale et le bien-être des populations. Dans la dernière décennie, le Québec a adopté plusieurs mesures pour renforcer les soins de santé mentale primaires, mais certains problèmes d’intégration persistent. Cette synthèse a été réalisée afin d’identifier et comparer les grandes initiatives internationales liées à l’intégration des soins de santé mentale aux soins primaires et de résumer les leçons tirées de ces initiatives qui sont pertinentes pour le Québec. Vingt initiatives ont été sélectionnées, décrites dans 153 articles et rapports. Trois initiatives portaient sur la santé mentale des jeunes, quatorze portaient principalement sur les adultes et trois autres initiatives portaient sur la santé mentale des aînés. La majorité des initiatives ont visé à implanter des modèles de soins de collaboration pour améliorer la gestion des troubles mentaux courants par les intervenants en soins primaires. Les initiatives ont été comparées sur les stratégies d’intégration adoptées, leurs effets, et les enjeux d’implantation rencontrés. Les leçons pour le Québec incluent le besoin de consolider davantage les soins en collaboration en santé mentale, de promouvoir des services informés par des processus d’amélioration continue de la qualité et de favoriser une plus grande utilisation des technologies qui soutiennent l’intégration.
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 | 0.008 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".