Cultural Adaptation and Preliminary Field Evaluation of the Community Informant Detection Tool (CIDT) for Psychosis, Depression, and Anxiety in Indonesia: A Mixed Methods Study
Cette étude à méthodes mixtes démontre que l'outil de détection par informateur communautaire (CIDT) adapté culturellement est un instrument valide et fiable pour la détection précoce de la psychose par les agents de santé communautaires en Indonésie, tout en soulignant la nécessité d'un perfectionnement supplémentaire pour améliorer sa précision dans l'identification de la dépression et de l'anxiété.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Les soins de santé mentale font face à un défi profond dans de nombreuses parties du monde : il n'y a tout simplement pas assez de médecins et de spécialistes pour atteindre tous ceux qui ont besoin d'aide. Dans des pays comme l'Indonésie, le ratio de psychiatres par rapport à la population est si faible que la plupart des gens ne voient jamais de spécialiste. Pour combler ce fossé, les systèmes de santé s'appuient souvent sur des agents de santé communautaires, des résidents locaux formés pour fournir des soins et un soutien de base. Ces travailleurs sont les yeux et les oreilles du système de santé, mais ils éprouvent souvent des difficultés à reconnaître les problèmes de santé mentale car les symptômes peuvent être subtils, cachés ou exprimés de manières qui diffèrent des manuels médicaux standards. Lorsqu'un travailleur ne parvient pas à identifier un problème, une personne en détresse peut rester sans traitement, et le cycle de la souffrance continue. La question fondamentale pour les chercheurs est de savoir comment donner à ces non-spécialistes un outil qui fonctionne dans leur contexte culturel spécifique, les aidant à repérer les signes de maladie sans avoir besoin d'un diplôme médical.
Une équipe de chercheurs en Indonésie s'est donné pour mission de résoudre ce problème en adaptant un outil de détection appelé l'Outil de Détection par Informateur Communautaire, ou CIDT, pour une utilisation par les agents de santé locaux. L'outil original utilise des histoires courtes et des images pour aider les gens à identifier les signes de maladie mentale, mais il devait être remodelé pour s'adapter au mode de vie et à la langue indonésiens. Les chercheurs ont commencé par écouter ce que les agents de santé communautaires et les chefs locaux voyaient et comprenaient réellement. Ils ont constaté que, bien que tout le monde puisse facilement repérer des comportements perturbateurs évidents comme l'agression ou le fait de se parler à soi-même, ils manquaient souvent les signes plus discrets de tristesse, de peur ou d'anxiété. Ces sentiments internes sont plus difficiles à percevoir de l'extérieur, et les manières standards de les décrire semblaient souvent étrangères ou confuses pour les travailleurs.
Pour corriger cela, l'équipe a créé une nouvelle version de l'outil remplie d'histoires et d'illustrations qui reflètent la vie quotidienne de la région. Ils se sont appuyés sur les propres expériences des travailleurs pour décrire les symptômes en termes familiers, tels qu'une personne qui arrête de se laver ou de manger, ou quelqu'un qui parle à des voix que personne d'autre ne peut entendre. L'objectif était de rendre les signes de maladie reconnaissables plutôt que cliniques. Une fois la nouvelle version de l'outil rédigée, les chercheurs l'ont testée auprès de près de soixante agents de santé communautaires pour voir si elle avait du sens pour eux et s'ils pouvaient l'utiliser efficacement. Les travailleurs ont généralement trouvé l'outil facile à comprendre et utile, particulièrement lorsqu'il s'agissait de repérer les signes de psychose, une condition impliquant une rupture avec la réalité. Les histoires et les images pour cette condition ont été très bien évaluées, suggérant que les travailleurs pouvaient identifier de manière fiable ces signes spécifiques.
Cependant, les tests ont révélé un obstacle important concernant la dépression et l'anxiété. Bien que les travailleurs aient aimé l'outil, ils ont eu du mal à identifier avec précision les images censées représenter la tristesse, l'apathie ou la peur excessive. Dans certains cas, les travailleurs ne parvenaient pas à faire la différence entre une image de quelqu'un se sentant anxieux et une image montrant un autre type de détresse. Lorsque les chercheurs ont comparé les jugements des travailleurs avec ceux d'infirmiers formés, l'accord était fort pour la psychose, mais faible et incohérent pour la dépression et l'anxiété. Cela s'expliquait en partie par le fait que les symptômes de ces conditions sont internes et moins visibles, ce qui les rend difficiles à capturer dans un seul dessin ou une courte histoire. Les chercheurs ont constaté que même lorsqu'une image semblait bonne sur le papier, elle n'aidait pas toujours le travailleur à prendre la bonne décision dans le monde réel.
L'étude conclut que, bien que cet outil adapté soit une étape prometteuse pour la détection de la psychose en milieu communautaire, il n'est pas encore prêt pour un usage généralisé pour détecter la dépression et l'anxiété. L'équipe a appris que demander simplement aux gens si un outil semble bon ne suffit pas ; ils doivent aussi observer comment l'outil se comporte lorsqu'il est utilisé sur le terrain. Les résultats suggèrent que les futures versions de l'outil auront besoin de meilleures façons de montrer les signes subtils et invisibles de la détresse émotionnelle. D'ici là, ce travail offre une voie claire pour améliorer la façon dont les communautés peuvent soutenir leurs membres les plus vulnérables, montant que le bon outil doit être construit non seulement sur des faits médicaux, mais aussi sur une compréhension profonde de la façon dont les gens vivent et ressentent réellement les choses.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.