A systematic review of interventions for supporting partners of military Veterans with PTSD
Notice bibliographique
Résumé
Introduction: Partners of military Veterans with post-traumatic stress disorder (PTSD) and other mental health difficulties can themselves develop difficulties with stress, well-being, and secondary trauma. Various interventions exist which involve partners of military personnel, but very few with an explicit focus on the partners’ well-being. This article aims to conduct a systematic review of these interventions and outline the range of interventions and the outcomes measured. Methods: We conducted a systematic literature search, from which 25 papers were reviewed. Papers were included if they described any form of intervention in which a partner was involved, where the Veteran was described as having PTSD, and where the aim of the intervention was aimed at least partly at improving the well-being of partners. Results: We found various types of interventions, such as group-based interventions, residential retreats, couples therapies, Internet-based interventions, and family-based interventions. Of the 25 studies reviewed, 21 reported on well-being outcomes, either via randomized controlled trials (RCTs), evaluations, or case studies. In most cases, interventions reported improvements in the well-being of partners, although there were very few controlled studies. Only a small number of interventions were aimed solely at partners. The most common feature of interventions was psychoeducation on topics such as communication, problem solving, and emotion regulation. Many papers described the advantages of group processes such as social support and normalization, gained from partners sharing experiences with one another. Discussion: A wide range of formats exist of interventions for improving the well-being of military partners. The literature would benefit from more robust experimental research into their effectiveness, and exploration of interventions aimed directly at the well-being of partners.
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 | 0,012 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».