MétaCan
Menu
Retour à la cohorte
Enregistrement W3046702291 · doi:10.2196/22079

Virtual Trauma-Focused Therapy for Military Members, Veterans, and Public Safety Personnel With Posttraumatic Stress Injury: Systematic Scoping Review

2020· article· en· W3046702291 sur OpenAlexaffvenue
Chelsea Jones, Antonio Miguel Cruz, Lorraine Smith‐MacDonald, Emily Cruikshank, Delaram Baghoori, Avneet Kaur Chohan, Alexa Laidlaw, Allison White, Bo Cao, Vincent I. O. Agyapong, Lisa Burback, Olga Winkler, Phillip R. Sevigny, Liz Dennett, Martin Ferguson-Pell, Andrew J. Greenshaw, Suzette Brémault‐Phillips

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensGlenrose Rehabilitation HospitalCanadian Armed ForcesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPosttraumatic stressMilitary personnelPsychologyMedicineClinical psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A necessary shift from in-person to remote delivery of psychotherapy (eg, teletherapy, eHealth, videoconferencing) has occurred because of the COVID-19 pandemic. A corollary benefit is a potential fit in terms of the need for equitable and timely access to mental health services in remote and rural locations. Owing to COVID-19, there may be an increase in the demand for timely, virtual delivery of services among trauma-affected populations, including public safety personnel (PSP; eg, paramedics, police, fire, correctional officers), military members, and veterans. There is a lack of evidence on the question of whether digital delivery of trauma-therapies for military members, veterans, and PSP leads to similar outcomes to in-person delivery. Information on barriers and facilitators and recommendations regarding digital-delivery is also scarce. OBJECTIVE: This study aims to evaluate the scope and quality of peer-reviewed literature on psychotherapeutic digital health interventions delivered remotely to military members, veterans, and PSP and synthesize the knowledge of needs, gaps, barriers to, and facilitators for virtual assessment of and virtual interventions for posttraumatic stress injury. METHODS: Relevant studies were identified using MEDLINE (Medical Literature Analysis and Retrieval System Online), EMBASE (Excerpta Medica dataBASE), APA (American Psychological Association) PsycINFO, CINAHL (Cumulative Index of Nursing and Allied Health Literature) Plus with Full Text, and Military & Government Collection. For collation, analysis, summarizing, and reporting of results, we used the CASP (Critical Skills Appraisal Program) qualitative checklist, PEDro (Physiotherapy Evidence Database) scale, level of evidence hierarchy, PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews), and narrative synthesis. RESULTS: A total of 38 studies were included in this review. Evidence for the effectiveness of digital delivery of prolonged exposure therapy, cognitive processing therapy, behavioral activation treatment with therapeutic exposure to military members, veterans, and PSP was rated level 1a, whereas evidence for cognitive behavioral therapy was conflicting. The narrative synthesis indicated that virtual delivery of these therapies can be as effective as in-person delivery but may reduce stigma and cost while increasing access to therapy. Issues of risk, safety, potential harm (ie, suicidality, enabling avoidance), privacy, security, and the match among the therapist, modality, and patient warrant further consideration. There is a lack of studies on the influences of gender, racial, and cultural factors that may result in differential outcomes, preferences, and/or needs. An investigation into other therapies that may be suitable for digital delivery is needed. CONCLUSIONS: Digital delivery of trauma therapies for military members, veterans, and PSP is a critical area for further research. Although promising evidence exists regarding the effectiveness of digital health within these populations, many questions remain, and a cautious approach to more widespread implementation is warranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,959

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,100
Tête enseignante GPT0,401
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations62
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207