Code Orange: A Systematic Review of Psychosocial Disaster Response
Notice bibliographique
Résumé
Introduction: Survivors of mass casualty incidents are vulnerable to both physical and psychological injuries. Hospitals need to triage the walking wounded victims, their loved ones, and witnesses for symptoms of emotional distress to ensure that those who are traumatized benefit from proactive psychological treatment. Hospitals must also manage the influx of searching family and friends, and be able to reunite them with their loved ones, to reduce chaos and prevent hospital skipping. Aim: To analyze previous research on institutional psychosocial disaster response, what has or has not worked, and lessons learned in order to develop evidence-based future planning suggestions. Methods: A literature search was conducted on the following electronic databases: (Medline 2007 to July 2018), (Embase 2007 to July 2018), (PsycInfo 2007 to July 2018). A combination of subject headings and free text keywords were used to perform the searches. After removing duplicates, abstracts were screened independently by two reviewers for the following inclusion criteria: 1) crisis intervention (in a disaster situation), 2) mention of psychosocial response or lack thereof and lessons learned, 3)relevant outcomes, 4) OECD countries, and 5) journal articles published 2007–Present. Review articles were excluded. Primary and secondary reviewers are in the process of discussing discrepancies. Data extraction will be conducted from all articles that meet the inclusion criteria. Key themes to be analyzed include psychological casualties, searching family and friends, and family reunification plans. Results: The initial search yielded 6,267 results. 5,294 articles remained after duplicates were removed. Of the 4,890 reviewed thus far, 269 articles met inclusion criteria. Discussion: Although a wealth of existing literature notes the need for an effective psychosocial response in mass trauma and disaster situations, no prior study has analyzed the efficacy of such interventions or laid out an evidence-based plan. This study will fill this much-needed gap in the literature.
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 | 0,028 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,008 |
| Bibliométrie | 0,037 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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 ».