A Systematic Review and Meta-Analysis of e-Mental Health Interventions to Treat Symptoms of Posttraumatic Stress
Notice bibliographique
Résumé
BACKGROUND: Posttraumatic stress disorder (PTSD) is a stress disorder characterized by unwanted intrusive re-experiencing of an acutely distressing, often life-threatening, event, combined with symptoms of hyperarousal, avoidance, as well as negative thoughts and feelings. Evidence-based psychological interventions have been developed to treat these symptoms and reduce distress, the majority of which were designed to be delivered face-to-face with trained therapists. However, new developments in the use of technology to supplement and extend health care have led to the creation of e-Mental Health interventions. OBJECTIVE: Our aim was to assess the scope and efficacy of e-Mental Health interventions to treat symptoms of PTSD. METHODS: The following databases were systematically searched to identify randomized controlled trials of e-Mental Health interventions to treat symptoms of PTSD as measured by standardized and validated scales: the Cochrane Library, MEDLINE, EMBASE, and PsycINFO (in March 2015 and repeated in November 2016). RESULTS: A total of 39 studies were found during the systematic review, and 33 (N=3832) were eligible for meta-analysis. The results of the primary meta-analysis revealed a significant improvement in PTSD symptoms, in favor of the active intervention group (standardized mean difference=-0.35, 95% confidence interval -0.45 to -0.25, P<.001, I2=81%). Several sensitivity and subgroup analyses were performed suggesting that improvements in PTSD symptoms remained in favor of the active intervention group independent of the comparison condition, the type of cognitive behavioral therapy-based intervention, and the level of guidance provided. CONCLUSIONS: This review demonstrates an emerging evidence base supporting e-Mental Health to treat symptoms of PTSD.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,007 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».