MétaCan
Menu
Retour à la cohorte
Enregistrement W4220841468 · doi:10.1177/07067437211070648

Effects of COVID-19 Mental Health Interventions Among Children, Adolescents, and Adults Not Quarantined or Undergoing Treatment Due to COVID-19 Infection: A Systematic Review of Randomised Controlled Trials

2022· review· en· W4220841468 sur OpenAlexafffundvenue
O Bonardi, Yutong Wang, Kexin Li, Xiaowen Jiang, Ankur Krishnan, Chen He, Ying Sun, Yin Wu, Jill Boruff, Sarah Markham, Danielle B. Rice, Ian Thombs-Vite, Amina Tasleem, Tiffany Dal Santo, Anneke Yao, Marleine Azar, Branka Agic, Christine Fahim, Michael S. Martin, Sanjeev Sockalingam, Gustavo Turecki, Andrea Benedetti, Brett D. Thombs

Notice bibliographique

RevueThe Canadian Journal of Psychiatry · 2022
Typereview
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill University Health CentreMinistry of Community Safety and Correctional ServicesCentre for Addiction and Mental HealthDouglas Mental Health University InstituteMcGill UniversityPublic Health OntarioUniversity of TorontoUniversity of OttawaJewish General Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPsychological interventionMedicineMental healthAnxietyWorryRandomized controlled trialPopulationConfidence intervalMindfulnessPsychiatryClinical psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objectives Our objective was to assess the effects of mental health interventions for children, adolescents, and adults not quarantined or undergoing treatment due to COVID-19 infection. Methods We searched 9 databases (2 Chinese-language) from December 31, 2019, to March 22, 2021. We included randomised controlled trials of interventions to address COVID-19 mental health challenges among people not hospitalised or quarantined due to COVID-19 infection. We synthesized results descriptively due to substantial heterogeneity of populations and interventions and risk of bias concerns. Results We identified 9 eligible trials, including 3 well-conducted, well-reported trials that tested interventions designed specifically for COVID-19 mental health challenges, plus 6 other trials with high risk of bias and reporting concerns, all of which tested standard interventions (e.g., individual or group therapy, expressive writing, mindfulness recordings) minimally adapted or not specifically adapted for COVID-19. Among the 3 well-conducted and reported trials, 1 ( N = 670) found that a self-guided, internet-based cognitive-behavioural intervention targeting dysfunctional COVID-19 worry significantly reduced COVID-19 anxiety (standardized mean difference [SMD] 0.74, 95% confidence interval [CI], 0.58 to 0.90) and depression symptoms (SMD 0.38, 95% CI, 0.22 to 0.55) in Swedish general population participants. A lay-delivered telephone intervention for homebound older adults in the United States ( N = 240) and a peer-moderated education and support intervention for people with a rare autoimmune condition from 12 countries ( N = 172) significantly improved anxiety (SMD 0.35, 95% CI, 0.09 to 0.60; SMD 0.31, 95% CI, 0.03 to 0.58) and depressive symptoms (SMD 0.31, 95% CI, 0.05 to 0.56; SMD 0.31, 95% CI, 0.07 to 0.55) 6-week post-intervention, but these were not significant immediately post-intervention. No trials in children or adolescents were identified. Conclusions Interventions that adapt evidence-based strategies for feasible delivery may be effective to address mental health in COVID-19. More well-conducted trials, including for children and adolescents, are needed.

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)0,015
score de la tête « metaresearch » (Gemma)0,054
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 enseignants0,017
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,054
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0170,015
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,083
Tête enseignante GPT0,436
Écart entre enseignants0,353 · 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

Citations38
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of PsychiatryMême sujetCOVID-19 and Mental HealthTravaux en français237 207