MétaCan
Menu
Retour à la cohorte
Enregistrement W3196006713 · doi:10.2196/30098

Telemental Health For Youth With Chronic Illnesses: Systematic Review

2021· review· en· W3196006713 sur OpenAlexvenueno aff
Nancy Lau, Susannah F Colt, Shayna Waldbaum, Alison O’Daffer, Kaitlyn Fladeboe, Joyce P. Yi‐Frazier, Elizabeth McCauley, Abby R. Rosenberg

Notice bibliographique

RevueJMIR Mental Health · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésMental healthPsychological interventionStressorPandemicMedicineCoping (psychology)Coronavirus disease 2019 (COVID-19)PsychiatryTelemedicineHealth careQuality of life (healthcare)PsychologyDiseaseNursingInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Children, adolescents, and young adults with chronic conditions experience difficulties coping with disease-related stressors, comorbid mental health problems, and decreased quality of life. The COVID-19 pandemic has led to a global mental health crisis, and telemental health has necessarily displaced in-person care. However, it remains unknown whether such remote interventions are feasible or efficacious. We aimed to fill this research-practice gap. OBJECTIVE: In this systematic review, we present a synthesis of studies examining the feasibility and efficacy of telemental health interventions for youth aged ≤25 years with chronic illnesses. METHODS: PubMed, Embase, Web of Science, PsycInfo, and Cochrane Database of Systematic Reviews were searched from 2008 to 2020. We included experimental, quasiexperimental, and observational studies of telemental health interventions designed for children, adolescents, and young adults aged ≤25 years with chronic illnesses, in which feasibility or efficacy outcomes were measured. Only English-language publications in peer-reviewed journals were included. We excluded studies of interventions for caregivers or health care providers, mental health problems not in the context of a chronic illness, disease and medication management, and prevention programs for healthy individuals. RESULTS: We screened 2154 unique study records and 109 relevant full-text articles. Twelve studies met the inclusion criteria, and they represented seven unique telemental health interventions. Five of the studies included feasibility outcomes and seven included efficacy outcomes. All but two studies were pilot studies with relatively small sample sizes. Most interventions were based on cognitive behavioral therapy and problem-solving therapy. The subset of studies examining intervention feasibility concluded that telemental health interventions were appropriate, acceptable, and satisfactory to patients and their parents. Technology did not create barriers in access to care. For the subset of efficacy studies, evidence in support of the efficacy of telemental health was mixed. Significant heterogeneity in treatment type, medical diagnoses, and outcomes precluded a meta-analysis. CONCLUSIONS: The state of the science for telemental health interventions designed for youth with chronic illnesses is in a nascent stage. Early evidence supports the feasibility of telehealth-based delivery of traditional in-person interventions. Few studies have assessed efficacy, and current findings are mixed. Future research should continue to evaluate whether telemental health may serve as a sustainable alternative to in-person care after the COVID pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,074
Tête enseignante GPT0,448
Écart entre enseignants0,374 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207