MétaCan
Menu
Retour à la cohorte
Enregistrement W2150504662 · doi:10.1186/1472-6963-14-313

Effectiveness of internet-based interventions for children, youth, and young adults with anxiety and/or depression: a systematic review and meta-analysis

2014· review· en· W2150504662 sur OpenAlexafffund
Xibiao Ye, Sunita Bayyavarapu Bapuji, Shannon Winters, Ashley Struthers, Melissa Raynard, Colleen Metge, Sara A. Kreindler, Catherine Charette, Jacqueline Angela Lemaire, Margaret Synyshyn, Karen Sutherland

Notice bibliographique

RevueBMC Health Services Research · 2014
Typereview
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensConcordia HospitalUniversity of ManitobaResearch ManitobaConcordia UniversityWestern UniversityWinnipeg Regional Health Authority
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAnxietyMedicinePsychological interventionMeta-analysisBlindingDepression (economics)Confidence intervalClinical psychologyPublication biasPsychiatryRandomized controlled trialInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The majority of internet-based anxiety and depression intervention studies have targeted adults. An increasing number of studies of children, youth, and young adults have been conducted, but the evidence on effectiveness has not been synthesized. The objective of this research is to systematically review the most recent findings in this area and calculate overall (pooled) effect estimates of internet-based anxiety and/or depression interventions. METHODS: We searched five literature databases (PubMed, EMBASE, CINAHL, PsychInfo, and Google Scholar) for studies published between January 1990 and December 2012. We included studies evaluating the effectiveness of internet-based interventions for children, youth, and young adults (age <25 years) with anxiety and/or depression and their parents. Two reviewers independently assessed the risk of bias regarding selection bias, allocation bias, confounding bias, blinding, data collection, and withdrawals/dropouts. We included studies rated as high or moderate quality according to the risk of bias assessment. We conducted meta-analyses using the random effects model. We calculated standardized mean difference and its 95% confidence interval (95% CI) for anxiety and depression symptom severity scores by comparing internet-based intervention vs. waitlist control and internet-based intervention vs. face-to-face intervention. We also calculated pooled remission rate ratio and 95% CI. RESULTS: We included seven studies involving 569 participants aged between 7 and 25 years. Meta-analysis suggested that, compared to waitlist control, internet-based interventions were able to reduce anxiety symptom severity (standardized mean difference and 95% CI = -0.52 [-0.90, -0.14]) and increase remission rate (pooled remission rate ratio and 95% CI =3.63 [1.59, 8.27]). The effect in reducing depression symptom severity was not statistically significant (standardized mean difference and 95% CI = -0.16 [-0.44, 0.12]). We found no statistical difference in anxiety or depression symptoms between internet-based intervention and face-to-face intervention (or usual care). CONCLUSIONS: The present analysis indicated that internet-based interventions were effective in reducing anxiety symptoms and increasing remission rate, but not effective in reducing depression symptom severity. Due to the small number of higher quality studies, more attention to this area of research is encouraged. TRIAL REGISTRATION: PROSPERO registration: CRD42012002100.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,042
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0240,039
Bibliométrie0,0100,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,159
Tête enseignante GPT0,520
Écart entre enseignants0,360 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeMéta-analyse
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

Citations150
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetDigital Mental Health InterventionsTravaux en français237 207