Mental health interventions and supports during COVID- 19 and other medical pandemics: A rapid systematic review of the evidence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Novel coronavirus pneumonia (COVID-19) is a global reminder of the need to attend to the mental health of patients and health professionals who are suddenly facing this public health crisis. In the last two decades, a number of medical pandemics have yielded insights on the mental health impact of these events. Based on these experiences and given the magnitude of the current pandemic, rates of mental health disorders are expected to increase. Mental health interventions are urgently needed to minimize the psychological sequelae and provide timely care to affected individuals. METHOD: We conducted a rapid systematic review of mental health interventions during a medical pandemic, using three electronic databases. Of the 2404 articles identified, 21 primary research studies are included in this review. RESULT: We categorized the findings from the research studies using the following questions: What kind of emotional reactions do medical pandemics trigger? Who is most at risk of experiencing mental health sequelae? What works to treat mental health sequelae (psychosocial interventions and implementation of existing or new training programs)? What do we need to consider when designing and implementing mental health interventions (cultural adaptations and mental health workforce)? What still needs to be known? CONCLUSION: Various mental health interventions have been developed for medical pandemics, and research on their effectiveness is growing. We offer recommendations for future research based on the evidence for providing mental health interventions and supports to those most in need.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle