Mental health interventions and supports during COVID- 19 and other medical pandemics: A rapid systematic review of the evidence
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».