LEAVES (optimizing the mentaL health and resiliencE of older Adults that haVe lost thEir spouSe via blended, online therapy): Proposal for an Online Service Development and Evaluation
Notice bibliographique
Résumé
BACKGROUND: Loss of a spouse is a frequent occurrence in later life. While most older adults successfully process this loss and will return to a normal life, about 10% of the individuals are unable to cope, and progress to prolonged grief (PG). PG, in turn, can result in mental and physical problems including poor sleep, cardiovascular problems, depression, and suicidal tendencies. OBJECTIVE: LEAVES (optimizing the mentaL health and resiliencE of older Adults that haVe lost thEir spouSe via blended, online therapy) is an online bereavement program that will support the prevention and treatment of PG, so that elderly mourners can continue to lead an active, meaningful, and dignified life. LEAVES will cater to secondary end users (eg, family, informal caregivers) by reducing stress. METHODS: LEAVES will help older adults to process the loss of a spouse in an online environment, which consists of (1) an existing online grief self-help program LIVIA, (2) the Before You Leave program that allows for storing personal memories, (3) a virtual agent platform, and (4) an accessible front-end design. LEAVES can detect persons at risk for complications, reveal negative trends in their emotional life, and act to counter such trends. The service relies on online support whenever possible but is blended with telephone or face-to-face counseling when necessary. RESULTS: The project will take place between February 2020 and January 2023 and includes a real-life evaluation in which 315 end users will use the service across 3 countries (the Netherlands, Portugal, and Switzerland). The evaluation of LEAVES will focus on clinical effect, its business case, and technology acceptance. The results will pave the way for smooth integration into existing care paths and reimbursement schemes. CONCLUSIONS: The LEAVES service aims to soften the mourning process, prevents depression or social isolation, strengthens widow(er)s resilience and well-being, and quickens one's return to societal participation. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/19344.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».