MARC

 008250123s2024        us                              c    eng  d
■001000017163590
■00520250211152728
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798383701591
■035    ▼a(MiAaPQ)AAI31490461
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a157
■1001  ▼aKnudsen,  Kendra  Sue.
■24510▼aEfficient  Use  of  Clinical  Decision  Supports:  An  Evaluation  of  Change  Over  Time  in  the  Context  of  Clinical  Supervision
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a98  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-02,  Section:  B.
■500    ▼aAdvisor:  Chorpita,  Bruce  F.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aRecent  research  highlights  a  growing  demand  for  youth  mental  health  services  (Barican  et  al.,  2022;  Kazdin,  2019;  USPSTF,  2022),  prompting  the  need  to  enhance  mental  health  workforce  capacity.  Improving  workforce  capacity  entails  strengthening  critical  decision-making  activities,  including  considering  client  problems,  prioritizing  them,  and  selecting  the  most  suitable  practices  to  address  them.  Clinical  supervision,  involving  dyads  of  qualified  mental  health  professionals  ("supervisors")  and  direct  service  providers  ("supervisees"),  aims  to  improve  these  activities  (Proctor,  1986;  Milne,  2007).  Challenges  include  time  constraints,  varying  competency  activity  levels,  and  difficulty  in  incorporating  new  scientific  findings,  compounded  by  high  turnover  rates  (Bernstein  et  al.,  2015;  Brabson  et  al.,  2020;  Chorpita  et  al.,  2021;  Collatz  &  Wetterling,  2012;  Dorsey  et  al.,  2017;  Powell  &  York,  1992;  Simon  &  Greenberger,  1971).  Integrating  decision  support  systems  into  clinical  supervision  could  address  these  challenges,  promoting  use  of  evidence  and  ensuring  sustained  skill  retention  among  supervisory  dyads  (Bjork  &  Bjork,  2020).Within  the  context  of  a  decision-support  system  integrated  within  clinical  supervision,  this  dissertation  investigated  the  reliability  of  quality,  effort,  and  efficiency  metrics,  and  then  examined  the  associations  between  ordinal  repetition  of  activities  and  passage  of  time  with  those  quality  and  effort  metrics.  As  such,  it  explored  whether  time  or  repetition  is  associated  with  improvement,  deterioration,  or  no  change  in  these  metrics.The  study  analyzes  existing  data  from  a  multi-site  randomized  implementation  trial  aimed  at  promoting  the  use  of  evidence-based  methods  for  engaging  youth  and  families  in  treatment.  We  audio  recorded  and  transcribed  supervision  events  in  which  mental  health  workers  discussed  cases  at-risk  for  poor  treatment  engagement.  For  part  one,  26  supervisees  and  17  supervisors  discussed  30  cases;  for  part  two,  48  supervisees  and  16  supervisors,  trained  and  using  a  decision-support  system,  discussed  118  cases.Observational  coders  rated  efficiency  and  the  extensiveness  of  decision-making  activities  using  a  subset  of  the  ACE-BOCS  coding  system  (Chorpita  et  al.,  2018).  Efficiency  was  rated  holistically  for  each  event  on  a  5-point  scale,  from  presence  of  extensive  discussions  on  unnecessary  topics  (1)  to  swift  and  organized  decision-making  and  planning  (5).  Quality  was  evaluated  using  a  dichotomous  scale,  based  on  whether  each  activity  met  sufficient  quality  criteria,  primarily  indicating  the  presence  of  the  activity.  Effort  was  measured  by  the  total  number  of  words  spoken  for  each  activity.  Two  overall  effort  scores  were  calculated  based  on  the  total  words  spoken  and  duration  of  the  entire  event.  The  total  number  of  supervisory  events  per  supervisory  dyad  was  an  indicator  of  repetition  of  supervisory  activities,  and  the  total  weeks  since  training  in  the  decision-support  system  measured  the  passage  of  time.  To  assess  interrater  reliability  across  all  coders,  we  used  Fleiss'  kappa  (κ)  for  the  four  dichotomous  quality  metrics  and  ICCs  (model  [2,1],  consistency)  for  the  ordinal  efficiency  metric.  To  examine  possible  change  in  outcomes,  we  used  mixed  effects  regression  models,  examining  three  hierarchical  levels:  cases  nested  within  supervisees  nested  within  supervisors.  Thus,  supervisors  were  the  main  level  of  analysis.  We  assessed  the  impact  of  each  level  on  results  and  simplified  the  model  if  it  didn't  improve  it.  To  manage  skewed  data  with  quality  and  effort  measures  having  excess  zeros,  we  implemented  corrections  like  the  Firth  logistic  regression  and  employed  specialized  models  such  as  the  Hurdle  model,  respectively.  These  strategies  helped  mitigate  bias  and  stabilize  parameter  estimates.Interrater  reliability  estimates  showed  that  coders  consistently  rated  both  the  decision-making  activities  and  overall  efficiency  reliably.  A  strong  positive  correlation  confirmed  the  initial  validity  of  the  effort  measure.  Findings  revealed  changes  in  efficiency,  the  presence  of  quality,  and  the  likelihood  of  putting  in  effort  as  dyads  moved  through  each  level  of  supervision  for  their  cases  (for  example,  from  the  first  supervision  event  type  to  the  second  and  then  to  the  third  type).  Increasing  repetition  of  supervision  events  or  time  within  each  supervision  stage  did  not  predict  whether  the  dyads  improved  in  these  outcomesThis  study  underscores  the  sustainability  of  quality,  effort,  and  efficiency  across  repeated  supervision  events  within  different  supervision  types  and  over  time.  It  also  identifies  areas  for  further  investigation,  including  the  need  for  more  nuanced  and  robust  measures  of  quality  and  effort.  Future  research  should  address  these  issues  and  explore  alternative  assessment  methods  to  gain  a  deeper  understanding  of  workforce  learning.  This  understanding  will  inform  strategies  aimed  at  maximizing  workforce  capacity  to  meet  the  growing  demand  for  high-quality  youth  mental  health  services.
■590    ▼aSchool  code:  0031.
■650  4▼aClinical  psychology
■650  4▼aPsychology
■650  4▼aMental  health
■653    ▼aClinical  supervision
■653    ▼aDecision  support  systems
■653    ▼aDecision-making  activities
■653    ▼aEvidence-based  practices
■690    ▼a0622
■690    ▼a0621
■690    ▼a0347
■71020▼aUniversity  of  California,  Los  Angeles▼bPsychology  0780.
■7730  ▼tDissertations  Abstracts  International▼g86-02B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163590▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서