MétaCan
Menu
← Retour à la cohorte
Enregistrement W4205135607 · doi:10.2196/preprints.30585

Using peer support to strengthen mental health during the COVID-19 pandemic: a review (Preprint)

2021· review· en· W4205135607 sur OpenAlexaff
Rahul Suresh, Armaghan Alam, Zoe Karkossa

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of British ColumbiaMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésMental healthPeer supportSocial distanceAnxietyPandemicPsychologyPreprintSocial supportIsolation (microbiology)Psychological interventionHealth careSocial isolationPsychiatryPublic relationsCoronavirus disease 2019 (COVID-19)MedicinePolitical scienceSocial psychologyWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND The coronavirus (COVID-19) pandemic has had a significant impact on society’s overall mental health with a notable effect on healthcare providers. To manage this global crisis, governments have had to implement numerous measures such mandated lockdowns and physical distancing to minimize the risk of overloading healthcare systems. Altogether, these measures have contributed to higher levels of anxiety, depression, insomnia, post-traumatic stress disorder, and other metrics indicating worsening mental health. Unfortunately, the availability of crucial mental health resources and support remains scarce during this time as services attempt to transition to an effective online delivery model. Peer support, which is peer-to-peer provided social and emotional support, is an underutilized and effective mental health resource that is easily delivered/accessed in-person by members within a social distancing bubble, or virtually across different bubbles. OBJECTIVE This review aims to summarize the toll that this pandemic has had on society’s mental health as found in peer-reviewed literature from October 2019 to March 2021, as well as suggest the utility of peer support to address these needs. Lastly, we provide strategies to effectively deliver peer support so that members of the community can better support one another during these unprecedented times. METHODS References for this review were chosen through searches of PubMed, Web of Science, and Google Scholar for articles published between October 2019 and March 2021 that used the terms: “coronavirus”, “COVID-19”, “mental health”, “anxiety”, “depression”, “isolation”, “mental health resources”, “peer support”, “online mental health resources”, and “healthcare workers”. Articles resulting from these searches and relevant references cited in those articles were reviewed. Articles published in English, French and Italian were included. RESULTS As stated in peer-reviewed literature, this pandemic has ubiquitously worsened the mental health of populations across the world, which is further exacerbated by extended periods of lockdown. Peer support has been demonstrated to yield positive effects on the mental health of a wide variety of recipients, and it can be provided through numerous accessible mediums such as web/mobile applications, video-conferencing software, workshops, telephone services, and student programs. CONCLUSIONS The provision of peer support can be very beneficial for improving mental health during the COVID-19 pandemic and may be an effective tool should similar events arise in the future. CLINICALTRIAL N/A

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,414
Tête enseignante GPT0,563
Écart entre enseignants0,149 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 and Mental Health→Travaux en français237 207→