MétaCan
Menu
Retour à la cohorte
Enregistrement W2038312366 · doi:10.1111/bdi.12258

Optimizing delivery of recovery‐oriented online self‐management strategies for bipolar disorder: a review

2014· review· en· W2038312366 sur OpenAlexaff
Nuwan Leitan, Erin E. Michalak, Lesley Berk, Michael Berk, Greg Murray

Notice bibliographique

RevueBipolar Disorders · 2014
Typereview
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBipolar disorderPsychosocialSelf-managementMental healthPsychologyEmpowermentPerspective (graphical)PsychotherapistKnowledge managementComputer sciencePsychiatryCognitionPolitical science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Self-management is emerging as a viable alternative to difficult-to-access psychosocial treatments for bipolar disorder (BD), and has particular relevance to recovery-related goals around empowerment and personal meaning. This review examines data and theory on BD self-management from a recovery-oriented perspective, with a particular focus on optimizing low-intensity delivery of self-management tools via the web. METHODS: A critical evaluation of various literatures was undertaken. Literatures on recovery, online platforms, and self-management in mental health and BD are reviewed. RESULTS: The literature suggests that the self-management approach aligns with the recovery framework. However, studies have identified a number of potential barriers to the utilization of self-management programs for BD and it has been suggested that utilizing an online environment may be an effective way to surmount many of these barriers. CONCLUSIONS: Online self-management programs for BD are rapidly developing, and in parallel the recovery perspective is becoming the dominant paradigm for mental health services worldwide, so research is urgently required to assess the efficacy and safety of optimization methods such as professional and/or peer support, tailoring and the development of 'online communities'.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,383
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBipolar DisordersMême sujetDigital Mental Health InterventionsTravaux en français237 207