Notice bibliographique
Résumé
OBJECTIVE: The authors conducted a review of the literature on e-mental health, including its applications, strengths, limitations, and evidence base. METHODS: The rapid review approach, an emerging type of knowledge synthesis, was used in response to a request for information from policy makers. MEDLINE was searched from 2005 to 2010 by using relevant terms. The search was supplemented with a general Internet search and a search focused on key authors. RESULTS: A total of 115 documents were reviewed: 94% were peer-reviewed articles, and 51% described primary research. Most of the research (76%) originated in the United States, Australia, or the Netherlands. The review identified e-mental health applications addressing four areas of mental health service delivery: information provision; screening, assessment, and monitoring; intervention; and social support. Currently, applications are most frequently aimed at adults with depression or anxiety disorders. Some interventions have demonstrated effectiveness in early trials. Many believe that e-mental health has enormous potential to address the gap between the identified need for services and the limited capacity and resources to provide conventional treatment. Strengths of e-mental health initiatives noted in the literature include improved accessibility, reduced costs (although start-up and research and development costs are necessary), flexibility in terms of standardization and personalization, interactivity, and consumer engagement. CONCLUSIONS: E-mental health applications are proliferating and hold promise to expand access to care. Further discussion and research are needed on how to effectively incorporate e-mental health into service systems and to apply it to diverse populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,043 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,012 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».