The Effectiveness of Telemental Health Applications: A Review
Notice bibliographique
Résumé
OBJECTIVE: To review the evidence of benefit from use of telemental health (TMH) in studies that reported clinical or administrative outcomes. METHOD: Relevant publications were identified through computerized literature searches using several electronic databases. Included for review were scientifically valid articles that described controlled studies, comparing TMH with a non-TMH alternative, and uncontrolled studies that had no fewer than 20 participants. Quality of the evidence was assessed with an approach that considers both study performance and study design. Judgments were made on whether further data were needed to establish each TMH application as suitable for routine clinical use. RESULTS: Included in the review were 72 papers that described 65 clinical studies; 32 (49%) studies were of high or good quality. Quality of evidence was higher for Internet- and telephone-based interventions than for video conferencing approaches. There was evidence of success with TMH in the areas of child psychiatry, depression, dementia, schizophrenia, suicide prevention, posttraumatic stress, panic disorders, substance abuse, eating disorders, and smoking prevention. Evidence of success for general TMH programs and in the management of obsessive-compulsive disorder were less convincing. Further study was judged to be necessary or desirable in 53 (82%) of the studies. CONCLUSION: Evidence of benefit from TMH applications is encouraging, though still limited. There is a need for more good-quality studies on the use of TMH in routine care. The emerging use of Internet-based applications is an important development that deserves further evaluation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».