Mental health Apps to address inequitable access to care in specific regions of the global North and South: A scoping review
Notice bibliographique
Résumé
Introduction: There is a recent growth in the development of mental health applications (MHAPPs) to reduce stigma, improve knowledge and facilitate access to care especially in the area of common mood disorders. Yet, it remains unclear whether such interventions can address the access to care gap equitably in the global North and South. Such understanding could provide insights for mental health innovations during the COVID-19 pandemic as well. Methods: Using Arksey and O’Malley’s methodical framework, a scoping review was conducted on academic and grey literature published during 2015 and 2019. The countries of India and China were selected as exemplar for the global South and Canada and US for the global North. The reviewed literature was synthesized through thematic analysis and employed the social determinants of health lens. Results: 20 articles were selected for full-text review. The results reveal that MHAPPs for depression and anxiety are efficacious in improving symptoms across the examined regions. Outcome scores (Patient Health Questionnaire-9, Generalized Anxiety Disorder-7, flourishing scale, social interaction anxiety scale) improved in 13 studies. Yet, public awareness in the global North and logistical barriers (mental health stigma/discrimination, financial and social challenges, usability of apps, and cultural barriers to self-care) in the global South inhibit uptake. Conclusion: Awareness of MHAPPs and logistical barriers must be addressed to make MHAPPs more accessible. Policy makers should be cautious in implementing MHAPPs in disadvantaged communities given several challenges. A broader policy level emphasis is needed to address the logistical capabilities and cultural sensitivity of MHAPPs. The findings are also discussed in relation to the digital innovations for mental health in the pandemic. Given the focus of the presented review on specific regions, the transferability of findings warrant caution.
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 | 0,010 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».