Social Robot Interventions in Mental Health Care and Their Outcomes, Barriers, and Facilitators: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The use of social robots as innovative therapeutic tools has been increasingly explored in recent years in an effort to address the growing need for alternative intervention modalities in mental health care. OBJECTIVE: The aim of this scoping review was to identify and describe social robot interventions in mental health facilities and to highlight their outcomes as well as the barriers and facilitators to their implementation. METHODS: A scoping review of the literature published since 2015 was conducted using the Arksey and O'Malley's framework. The MEDLINE, Embase, Cochrane Central Register of Controlled Trials, and PsycINFO databases were searched, and 2239 papers were retrieved. The papers included were primary empirical studies published in peer-reviewed literature. Eligible studies were set in mental health facilities and they included participants with a known mental health disorder. The methodological quality of the included papers was also assessed using the Mixed Methods Appraisal Tool. RESULTS: A total of 30 papers met the eligibility criteria for this review. Studies involved participants with dementia, cognitive impairment, schizophrenia, depression, autism spectrum disorder, attention-deficit hyperactivity disorder, and an intellectual disability. The outcomes studied included engagement, social interaction, emotional state, agitation, behavior, and quality of life. CONCLUSIONS: The methodological weaknesses of the studies conducted this far and the lack of diversity in the conditions studied limit the generalizability of the results. However, despite the presence of certain barriers to their implementation (eg, technical problems, unsuitable environment, staff resistance), social robot interventions generally show positive effects on patients with mental health disorders. Studies of stronger methodological quality are needed to further understand the benefits and the place of social robots in mental health care.
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 | 0,027 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».