Telehealth interventions for schizophrenia-spectrum disorders and clinical high-risk for psychosis individuals: A scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Despite its increased use in mental health, both health care provision by telehealth and research are in the early stages. Videoconferencing, a telehealth subfield, has been mainly used for the medication management and delivery of psychological treatments for mood, adjustment and anxiety disorders, and to a lesser extent for psychotic disorders. OBJECTIVES: The focus of this scoping review is on studies using videoconferencing for intervention for individuals with a diagnosis of schizophrenia-spectrum disorder and those who may be considered to be in the very early stages of psychosis (clinical high risk). The aim of this review is to assess the feasibility, acceptability and clinical benefits of videoconferencing interventions and compare them with face-to-face interventions for this population. METHODS: A scoping review of peer-reviewed original research on the use of videoconferencing for intervention purposes in individuals with a schizophrenia-spectrum disorder or at clinical high risk. RESULTS: = 439 individuals). There was no study reporting on videoconferencing interventions for individuals at clinical high risk. All the studies reported that videoconferencing implementation was feasible, and most of them described high acceptance by individuals with a schizophrenia-spectrum disorder. However, selection bias of studies was high, and overall methodological quality was poor. CONCLUSION: Videoconferencing interventions seem feasible for participants with schizophrenia-spectrum disorder who showed high acceptance of this intervention modality.
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.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle