Telepsychiatry: effectiveness and feasibility
Notice bibliographique
Résumé
Abstract: Providing psychiatric services by real-time videoconferencing has been increasingly adopted as a method of reaching hard-to-serve populations since the early 1990s. As the field has expanded, a growing body of research has developed investigating both how telepsychiatry compares to in-person psychiatric care and how effectively telepsychiatry can be implemented in routine clinical care. A narrative review was performed to consider the evidence that telepsychiatry is feasible and effective across a variety of patient populations and clinical settings. There is a growing body of evidence investigating the efficacy of telepsychiatry when used for psychiatric assessment and treatment in the adult, child, and geriatric populations. Though studies vary in quality, they generally demonstrate that telepsychiatry is effective across multiple age groups and clinical settings. Telepsychiatry is generally well accepted by patients and clinicians and is feasible to implement, with the suggestion that some patients may actually prefer telepsychiatry to in-person treatment. Issues to consider in the implementation of telepsychiatry services include funding and reimbursement, medico-legal issues when provision crosses legislative boundaries, incorporation into existing health systems, and crosscultural considerations. Future directions for research and practice include a need for higher-quality efficacy studies, consideration of data security, increased attention to low- and middle-income countries, and the introduction of novel technological approaches. Keywords: efficacy, service delivery, telemental health, videoconferencing
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».