Occupational therapy interventions in the treatment of people with severe mental illness
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Life expectancy of people with severe mental illness is considerably shortened and their risk for cardiovascular and metabolic disorders is increased. They spend more time in solitary and less time in structured activities than the general population.Engagement in healthy patterns of activity, including active, meaningful participation in the community can, therefore, be critical to recovery from severe mental illness. Occupational therapy is a profession that focuses on time use, activity patterns and occupational engagement, and the links to health and well-being. In this study, we review research evidence regarding approaches to occupational engagement, including behavioural activation, time use, and activity promotion. We also will review studies that specifically evaluate the impact of occupational therapy interventions. RECENT FINDINGS: There is a growing body of evidence regarding the value of interventions addressing occupational engagement of individuals with severe mental illness, including a range of activation strategies and approaches. There is a need, however, for documentation of theoretically informed approaches that are supported by fidelity measures to ensure standardization. SUMMARY: Larger-scale studies are needed, including consistent outcome measures to document engagement and changes in activity patterns as well as health-related outcomes. High-quality randomized clinical trials are important to establish effectiveness. As occupational therapy interventions are complex and embedded within a range of multidisciplinary approaches, new models of pragmatic trials within the naturalistic context of psychiatric rehabilitation are also needed.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».