Six decades of preventing and treating childhood anxiety disorders: a systematic review and meta-analysis to inform policy and practice
Notice bibliographique
Résumé
Question Anxiety disorders are the most prevalent childhood mental disorders. They also start early and persist, causing high individual and collective costs. To inform policy and practice, we therefore asked: What is the best available research evidence on preventing and treating these disorders? Methods We sought randomised controlled trials (RCTs) evaluating interventions addressing anxiety problems in young people. We identified RCTs by searching CINAHL, ERIC, MEDLINE, PsycINFO and Web of Science. Thirty-three RCTs met inclusion criteria—evaluating 8 prevention programmes, 12 psychosocial treatments and 7 pharmacological treatments. We then conducted meta-analyses by intervention type. Findings For prevention, the cognitive-behavioural therapy (CBT) programme Coping and Promoting Strength stood out for reducing anxiety diagnoses. For psychosocial treatment, 9 CBT interventions also reduced diagnoses: Cool Kids ; C ool Little Kids Plus Social Skills; Coping Cat; Coping Koala; One-Session Treatment; Parent Education Program; Skills for Academic and Social Success; Strongest Families and Timid to Tiger . Successful CBT interventions were used with children ranging from pre-schoolers to teens in homes, communities/schools and clinics. For pharmacological treatment, selective-serotonergic-reuptake-inhibitors (SSRIs) significantly improved symptoms. Fluoxetine stood out for also reducing post-test diagnoses, but caused adverse events. Meta-analyses indicated strongest effects for CBT (Log OR=0.95; 95% CI, 0.69 to 1.21) and SSRI treatments (1.57; 1.09 to 2.06). Conclusions CBT is effective for preventing and treating childhood anxiety—across a range of ages and formats. Fluoxetine is also an effective treatment but side effects must be managed. CBT prevention and treatment interventions should be made widely available, adding fluoxetine in severe cases.
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 | 0,055 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,027 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».