MétaCan
Menu
Retour à la cohorte
Enregistrement W3028976297 · doi:10.1186/s13643-020-01374-x

Use and uptake of web-based therapeutic interventions amongst Indigenous populations in Australia, New Zealand, the United States of America and Canada: a scoping review

2020· review· en· W3028976297 sur OpenAlexaboutno aff
Rachel Reilly, Jacqueline H. Stephens, Jasmine Micklem, Cătălin Tufănaru, Stephen Harfield, Ike Fisher, Odette Pearson, James Ward

Notice bibliographique

RevueSystematic Reviews · 2020
Typereview
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilUniversity of Adelaide
Mots-clésIndigenousInclusion (mineral)Psychological interventionMedicineHealth careMEDLINEFamily medicineMedical educationNursingSocial scienceEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Barriers to receiving optimal healthcare exist for Indigenous populations globally for a range of reasons. To overcome such barriers and enable greater access to basic and specialist care, developments in information and communication technologies are being applied. The focus of this scoping review is on web-based therapeutic interventions (WBTI) that aim to provide guidance, support and treatment for health problems. OBJECTIVES: This review identifies and describes international scientific evidence on WBTI used by Indigenous peoples in Australia, New Zealand, Canada and USA for managing and treating a broad range of health conditions. ELIGIBILITY CRITERIA: Studies assessing WBTI designed for Indigenous peoples in Australia, Canada, USA and New Zealand, that were published in English, in peer-reviewed literature, from 2006 to 2018 (inclusive), were considered for inclusion in the review. Studies were considered if more than 50% of participants were Indigenous, or if results were reported separately for Indigenous participants. SOURCES OF EVIDENCE: Following a four-step search strategy in consultation with a research librarian, 12 databases were searched with a view to finding both published and unpublished studies. CHARTING METHODS: Data was extracted, synthesised and reported under four main conceptual categories: (1) types of WBTI used, (2) community uptake of WBTI, (3) factors that impact on uptake and (4) conclusions and recommendations for practice. RESULTS: A total of 31 studies met the inclusion criteria. The WBTI used were interactive websites, screening and assessment tools, management and monitoring tools, gamified avatar-based psychological therapy and decision support tools. Other sources reported the use of mobile apps, multimedia messaging or a mixture of intervention tools. Most sources reported moderate uptake and improved health outcomes for Indigenous people. Suggestions to improve uptake included as follows: tailoring content and presentation formats to be culturally relevant and appropriate, customisable and easy to use. CONCLUSIONS: Culturally appropriate, evidence-based WBTI have the potential to improve health, overcome treatment barriers and reduce inequalities for Indigenous communities. Access to WBTI, alongside appropriate training, allows health care workers to better support their Indigenous clients. Developing WBTI in partnership with Indigenous communities ensures that these interventions are accepted and promoted by the communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,031
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,653
Score d'incertitude au seuil0,691

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,112
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,005
Bibliométrie0,0210,026
Études des sciences et des technologies0,0030,002
Communication savante0,0060,004
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,323
Tête enseignante GPT0,474
Écart entre enseignants0,150 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSystematic ReviewsMême sujetDigital Mental Health InterventionsTravaux en français237 207