Innovations organisationnelles aux urgences pour améliorer la qualité des soins dispensés aux patients avec des troubles mentaux
Bibliographic record
Abstract
Améliorer l’organisation des services en santé mentale à partir des urgences, via des interventions innovantes, permettrait d’améliorer les soins offerts à la population avec des troubles mentaux. Cette étude présente différentes innovations déployées aux urgences, dont trois plus spécifiquement dans un service d’urgence psychiatrique du Québec (Canada), et cerne les principaux facteurs facilitants et entravant leur implantation. L’étude est basée sur une recension narrative des écrits et sur un projet de recherche impliquant une étude mixte avec des données colligées auprès de 115 participants (14 professionnels de la santé, 81 patients, 20 proches). Pour le projet de recherche, des analyses de contenu, descriptives et comparatives ont été produites. Plusieurs innovations introduites aux urgences sont recensées dans la littérature pour améliorer la qualité des soins, ciblant les patients selon leurs troubles mentaux, situations de vie, gravité de leurs conditions, et leur utilisation, accès ou adéquation aux services. Les plus étudiées sont les dispositifs d’intervention brève, de gestion de cas ou de consultation-liaison. Au Québec, les trois innovations implantées au niveau d’un service d’urgence psychiatrique, l’intervention brève, celle en lien avec un centre de crise et un dispositif de pairs-aidants proches, ont été évaluées pertinentes. Les principaux enjeux d’implantation de ces innovations sont liés au système de santé, à l’organisation des soins et aux profils des professionnels de santé et des patients. Les urgences jouant un rôle de baromètre de la qualité des services, plus d’innovations devraient y être déployées, et les patients sans soutien ou grands utilisateurs de ses services priorisés, afin d’améliorer l’accès et la continuité des soins à ces patients parmi les plus vulnérables.
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 | 0.012 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".