The Implementation of an Organizational Committee for Patient Engagement in the Context of Mental Health : A Case Study
Bibliographic record
Abstract
Objectif : Il existe un besoin de structuration de l’engagement des patients dans des organisations de santé mentale. Toutefois, peu est connu concernant l’implantation de structures de ce type, et encore moins à un niveau stratégique. L’objectif est d’étudier l’implantation d’un comité organisationnel stratégique pour l’engagement des patients à travers son processus d’initiation et d’opérationnalisation, les facteurs qui facilitent et limitent l’implantation, et les conséquences perçues dans l’organisation. Méthode : Une approche qualitative a été utilisée, plus spécifiquement une étude de cas unique. Les différentes sources de données étaient des entrevues semi-structurées, des groupes de discussion, et des documents organisationnels. Les participants étaient différents acteurs (usagers des services, gestionnaires de différents niveaux, chercheurs, clinicien, membres de la direction générale et du comité d’usagers) en lien avec l’engagement des patients. Résultats : Le processus d’initiation incluait un besoin de formalisation et l’introduction d’une vision de la pleine citoyenneté. Le processus d’opérationnalisation incluait la composition et le rôle du comité, l’élaboration d’un encadrement pour la participation et son application continue incluant l’évaluation. Plusieurs facteurs facilitants ont été identifiés, incluant le soutien de la direction générale, du leadership et une vision pour la participation. Les facteurs limitants concernaient la résistance contre la participation et l’existence de la stigmatisation. Les conséquences étaient une augmentation et un meilleur engagement des patients, et une réduction de la stigmatisation dans l’organisation. Conclusion : Cette étude illustre le processus d’implantation d’un comité organisationnel stratégique pour l’engagement des patients en incluant des nombreux éléments, d’acteurs et de facteurs. L’importance d’un leadership provenant de plusieurs acteurs, ainsi qu’une vision pour la participation afin d’encadrer efficacement l’engagement des patients sont mises en évidence.
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 | 0.056 | 0.081 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.014 | 0.015 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.004 | 0.011 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.004 | 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".