Effectiveness of Internet-Based Interventions for the Prevention of Mental Disorders: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Mental disorders are highly prevalent and associated with considerable disease burden and personal and societal costs. However, they can be effectively reduced through prevention measures. The Internet as a medium appears to be an opportunity for scaling up preventive interventions to a population level. OBJECTIVE: The aim of this study was to systematically summarize the current state of research on Internet-based interventions for the prevention of mental disorders to give a comprehensive overview of this fast-growing field. METHODS: A systematic database search was conducted (CENTRAL, Medline, PsycINFO). Studies were selected according to defined eligibility criteria (adult population, Internet-based mental health intervention, including a control group, reporting onset or severity data, randomized controlled trial). Primary outcome was onset of mental disorder. Secondary outcome was symptom severity. Study quality was assessed using the Cochrane Risk of Bias Tool. Meta-analytical pooling of results took place if feasible. RESULTS: After removing duplicates, 1169 studies were screened of which 17 were eligible for inclusion. Most studies examined prevention of eating disorders or depression or anxiety. Two studies on posttraumatic stress disorder and 1 on panic disorder were also included. Overall study quality was moderate. Only 5 studies reported incidence data assessed by means of standardized clinical interviews (eg, SCID). Three of them found significant differences in onset with a number needed to treat of 9.3-41.3. Eleven studies found significant improvements in symptom severity with small-to-medium effect sizes (d=0.11- d=0.76) in favor of the intervention groups. The meta-analysis conducted for depression severity revealed a posttreatment pooled effect size of standardized mean difference (SMD) =-0.35 (95% CI, -0.57 to -0.12) for short-term follow-up, SMD = -0.22 (95% CI, -0.37 to -0.07) for medium-term follow-up, and SMD = -0.14 (95% CI, -0.36 to 0.07) for long-term follow-up in favor of the Internet-based psychological interventions when compared with waitlist or care as usual. CONCLUSIONS: Internet-based interventions are a promising approach to prevention of mental disorders, enhancing existing methods. Study results are still limited due to inadequate diagnostic procedures. To be able to appropriately comment on effectiveness, future studies need to report incidence data assessed by means of standardized interviews. Public health policy should promote research to reduce health care costs over the long term, and health care providers should implement existing, demonstrably effective interventions into routine care.
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 | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,040 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».