A Rapid Realist Review of Effective Mental Health Interventions for Individuals with Chronic Physical Health Conditions during the COVID-19 Pandemic Using a Systems-Level Mental Health Promotion Framework
Notice bibliographique
Résumé
The 2020 global outbreak of COVID-19 exposed and heightened threats to mental health across societies. Research has indicated that individuals with chronic physical health conditions are at high risk for suffering from severe COVID-19 illness and from the adverse consequences of public health responses to COVID-19, such as social isolation. This paper reports on the findings of a rapid realist review conducted alongside a scoping review to explore contextual factors and underlying mechanisms or drivers associated with effective mental health interventions within and across macro-meso-micro systems levels for individuals with chronic physical health conditions. This rapid realist review extracted 14 qualified studies across 11 countries and identified four key mechanisms from COVID-19 literature-trust, social connectedness, accountability, and resilience. These mechanisms are discussed in relation to contextual factors and outcomes reported in the COVID literature. Realist reviews include iterative searches to refine their program theories and context-mechanism-outcome explanations. A purposive search of pre-COVID realist reviews on the study topic was undertaken, looking for evidence of the robustness of these mechanisms. There were differences in some of the pre-COVID mechanisms due to contextual factors. Importantly, an additional mechanism-power-sharing-was highlighted in the pre-COVID literature, but absent in the COVID literature. Pre-existing realist reviews were used to identify potential substantive theories and models associated with key mechanisms. Based on the overall findings, implications are provided for mental health promotion policy, practice, and research.
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 | 0,037 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,023 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».