A systematic review of mental health measurement scales for evaluating the effects of mental health prevention interventions
Notice bibliographique
Résumé
BACKGROUND: Consistent and appropriate measurement is needed in order to improve understanding and evaluation of preventative interventions. This review aims to identify individual-level measurement tools used to evaluate mental health prevention interventions to inform harmonization of outcome measurement in this area. METHODS: Searches were conducted in PubMed, PsychInfo, CINAHL, Cochrane and OpenGrey for studies published between 2008 and 2018 that aimed to evaluate prevention interventions for common mental health problems in adults and used at least one measurement scale (PROSPERO CRD42018095519). For each study, mental health measurement tools were identified and reviewed for reliability, validity, ease-of-use and cultural sensitivity. RESULTS: A total of 127 studies were identified that used 65 mental health measurement tools. Most were used by a single study (57%, N = 37) and measured depression (N = 20) or overall mental health (N = 18). The most commonly used questionnaire (15%) was the Centre for Epidemiological Studies Depression Scale. A further 125 tools were identified which measured non-mental health-specific outcomes. CONCLUSIONS: There was little agreement in measurement tools used across mental health prevention studies, which may hinder comparison across studies. Future research on measurement properties and acceptability of measurements in applied and scientific settings could be explored. Further work on supporting researchers to decide on appropriate outcome measurement for prevention would be beneficial for the field.
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 | 0,079 | 0,001 |
| 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 | 0,001 | 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 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 ».