Adaptation and translation of mental health interventions in Middle Eastern Arab countries: A systematic review of barriers to and strategies for effective treatment implementation
Notice bibliographique
Résumé
AIM: All too often, efficacious psychosocial evidence-based interventions fail when adapted from one culture to another. International translation requires a deep understanding of the local culture, nuanced differences within a culture, established service practices, and knowledge of obstacles and promoters to treatment implementation. This research investigated the following objectives to better facilitate cultural adaptation and translation of psychosocial and mental health treatments in Arab countries: (1) identify barriers or obstacles; (2) identify promoting strategies; and (3) provide clinical and research recommendations. METHODS: This systematic review of 22 psychosocial or mental health studies in Middle East Arab countries identified more barriers (68%) than promoters (32%) to effective translation and adaptation of empirically supported psychosocial interventions. RESULTS: Identified barriers include obstacles related to acceptability of the intervention within the cultural context, community and system difficulties, and problems with clinical engagement processes. Whereas identified promoter strategies centre on the importance of partnering and working within the local and cultural context, the need to engage with acceptable and traditional intervention characteristics, and the development of culturally appropriate treatment strategies and techniques. CONCLUSIONS: Although Arab cultures across the Middle East are unique, this article provides a series of core clinical and research recommendations to assist effective treatment adaptation and translation within Arab communities in the Middle East.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».