Digital Interventions for Emotion Regulation in Children and Early Adolescents: Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Difficulties in emotion regulation are common in adolescence and are associated with poor social and mental health outcomes. However, psychological therapies that promote adaptive emotion regulation may be inaccessible and unattractive to youth. Digital interventions may help address this need. OBJECTIVE: The aim of this systematic review and meta-analysis was to synthesize evidence on the efficacy, feasibility, and acceptability of emotion regulation digital interventions in children and early adolescents aged 8 to 14 years. METHODS: Systematic searches of Web of Science, MEDLINE, PsycINFO, EMBASE, Education Resources Information Centre, ACM Digital Library, and IEEE Xplore up to July 2020 identified 39 studies, of which 11 (28%) were included in the meta-analyses (n=2476 participants). A bespoke tool was used to assess risk of bias. RESULTS: The studies evaluated digital games (27/39, 69%), biofeedback (4/39, 10%), virtual or augmented reality (4/39, 10%), and program or multimedia (4/39, 10%) digital interventions in samples classified as diagnosed, at risk, healthy, and universal. The most consistent evidence came from digital games, which reduced negative emotional experience with a small significant effect, largely in youth at risk of anxiety (Hedges g=-0.19, 95% CI -0.34 to -0.04). In general, digital interventions tended to improve emotion regulation, but this effect was not significant (Hedges g=0.19, 95% CI -0.16 to 0.54). CONCLUSIONS: Most feasibility issues were identified in diagnosed youth, and acceptability was generally high across intervention types and samples. Although there is cause to be optimistic about digital interventions supporting the difficulties that youth experience in emotion regulation, the predominance of early-stage development studies highlights the need for more work in this area.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,024 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».