MétaCan
Menu
Retour à la cohorte
Enregistrement W4280534755 · doi:10.21203/rs.3.rs-1577858/v1

A Meta-analysis of Internet-based Cognitive Behavioral Therapy for Military and Veteran Populations

2022· preprint· en· W4280534755 sur OpenAlexaff
Jenny J. W. Liu, Natalie Ein, Callista Forchuk, Sonya G. Wanklyn, Suriya Ragu, Samdarsh Saroya, Anthony Nazarov, J. Don Richardson

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensParkwood Institute
Organismes subventionnairesnon disponible
Mots-clésPsycINFOMEDLINEMeta-analysisMedicinePopulationModerationMental healthSystematic reviewClinical psychologyCognitionData extractionPsychiatryPsychologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Background Military and veteran populations are unique in their trauma exposures, rates of mental illness and comorbidities, and response to treatments. While reviews have suggested that internet-based Cognitive Behavioral Therapy (iCBT) can be useful for treating mental health conditions, the extent to which they may be appropriate for military and veteran populations remain unclear. The goals of the current meta-analysis are to: (1) substantiate the effects of iCBT for military and veteran populations, (2) evaluate its effectiveness compared to control conditions, and (3) examine potential factors that may influence their effectiveness. Methods This review was completed following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) reporting and Cochrane review guidelines. The literature search was conducted using PsycInfo, Medline, Embase, and Proquest Dissertation & Theses on June 4, 2021 with no date restriction. Inclusion criteria included studies that: (1) were restricted to adult military or veteran populations, (2) incorporated iCBT as the primary treatment, and (3) evaluated mental health outcomes. Exclusion criteria included: (1) literature reviews, (2) qualitative studies, (3) study protocols, (4) studies that did not include a clinical/analogue population, and (5) studies with no measure of change on outcome variables. Two independent screeners reviewed studies for eligibility. Data was pooled and analyzed using random-effects and mixed-effects models. Study data information were extracted as the main outcomes, including study condition, sample size, and pre- and post-treatment means and standard deviations for all assessed outcomes. Moderator information were also extracted, and included demographics information, the types of outcomes measured, primary condition targeted, concurrent treatment, drop pout rate, and format, length, and delivery of intervention. Results A total of 20 studies and 144 samples of data were included in the meta-analysis. The pooled effect size showed a small but meaningful effect for iCBT, g = 0.63, SE = 0.05, 95% CI (0.54, 0.73), Z = 13.14, p < .001. Conclusions Findings from the meta-analysis lend support for the use of iCBT with military and veteran populations. Conditions under which iCBT may be optimized are discussed.

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)0,029
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,063
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0230,070
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,586
Tête enseignante GPT0,606
Écart entre enseignants0,020 · 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.

Devis d'étudeMéta-analyse
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetDigital Mental Health InterventionsTravaux en français237 207