MétaCan
Menu
Retour à la cohorte
Enregistrement W4226092559 · doi:10.3389/fdgth.2022.814248

Gaming My Way to Recovery: A Systematic Scoping Review of Digital Game Interventions for Young People's Mental Health Treatment and Promotion

2022· article· en· W4226092559 sur OpenAlexaff
Manuela Ferrari, Judith Sabetti, Sarah V. McIlwaine, Sahar Fazeli, S. M. Hani Sadati, Jai Shah, Suzanne Archie, Katherine Boydell, Shalini Lal, Joanna Henderson, Mario Álvarez‐Jiménez, Neil Andersson, Rune Kristian Lundedal Nielsen, Jennifer Reynolds, Srividya N. Iyer

Notice bibliographique

RevueFrontiers in Digital Health · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensCanadian Centre on Substance Use and AddictionCentre for Addiction and Mental HealthUniversité de MontréalMcMaster UniversityMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesnon disponible
Mots-clésMental healthPsychological interventionPromotion (chess)Mental illnessPsychologyHealth promotionApplied psychologyMedicineMedical educationPsychiatryNursingPublic healthPolitical science

Résumé

récupéré en direct d'OpenAlex

Nearly all young people use the internet daily. Many youth with mental health concerns, especially since the Covid-19 pandemic, are using this route to seek help, whether through digital mental health treatment, illness prevention tools, or supports for mental wellbeing. Videogames also have wide appeal among young people, including those who receive mental health services. This review identifies the literature on videogame interventions for young people, ages 12-29, and maps the data on game use by those with mental health and substance use problems, focusing on evidence for the capacity of games to support treatment in youth mental health services; how stakeholders are involved in developing or evaluating games; and any potential harms and ethical remedies identified. A systematic scoping review methodology was used to identify and assess relevant studies. A search of multiple databases identified a total of 8,733 articles. They were screened, and 49 studies testing 32 digital games retained. An adapted stepped care model, including four levels, or steps, based on illness manifestation and severity, was used as a conceptual framework for organizing target populations, mental health conditions and corresponding digital games, and study results. The 49 selected studies included: 10 studies (20.4%) on mental health promotion/prevention or education for undiagnosed youth (Step 0: 7 games); 6 studies (12.2%) on at-risk groups or suspected mental problems (Step 1: 5 games); 24 studies (49.0%) on mild to moderate mental conditions (Steps 2-3: 16 games); and 9 studies (18.4%) focused on severe and complex mental conditions (Step 4: 7 games). Two interventions were played by youth at more than one level of illness severity: the SPARX game (Steps 1, 2-3, 4) and Dojo (Steps 2-3 and 4), bringing the total game count to 35 with these repetitions. Findings support the potential integration of digital games in youth services based on study outcomes, user satisfaction, relatively high program retention rates and the potential usefulness of most games for mental health treatment or promotion/prevention. Most studies included stakeholder feedback, and involvement ratings were very high for seven games. Potential harms were not addressed in this body of research. This review provides an important initial repository and evaluation of videogames for use in clinical settings concerned with youth mental health.

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)0,014
score de la tête « metaresearch » (Gemma)0,050
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 seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,050
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0070,007
Bibliométrie0,0170,015
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,050
Tête enseignante GPT0,400
Écart entre enseignants0,350 · 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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Digital HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207