MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294904993 · doi:10.21203/rs.3.rs-1910437/v1

Information and communication technology-based interventions for suicide prevention implemented in clinical settings: A scoping review

2022· review· en· W4294904993 sur OpenAlexafffund
Hwayeon Danielle Shin, Keri Durocher, Lydia Sequeira, Juveria Zaheer, John Torous, Gillian Strudwick

Notice bibliographique

RevueResearch Square · 2022
Typereview
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensCentre for Addiction and Mental HealthWestern UniversityUniversity of Toronto
Organismes subventionnairesCentre for Addiction and Mental Health
Mots-clésCINAHLPsycINFOPsychological interventionMEDLINECochrane LibrarySystematic reviewMedicineInformation and Communications TechnologyIntervention (counseling)Medical educationPsychologyNursingMeta-analysisComputer scienceWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Background There is a surplus of information communication technology (ICT) based interventions for suicide prevention. However, little is known about which of these ICTs are implemented in clinical settings and their characteristics. This scoping review aimed to map and characterize evidence of ICTs for suicide prevention implemented in clinical settings. Furthermore, this review identified and characterized implementation barriers and facilitators, evaluation outcomes, and measures. Methods We conducted this review following the Joanna Briggs Institute methodology for scoping reviews. A search strategy was completed using the following databases between August 17–20, 2021: MEDLINE, Embase, CINAHL, PsycINFO, Web of Science, and Library, Information Science and Technology Abstracts. We also supplemented our search with Google searches and scanning of reference lists of relevant reviews. We used the Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews to report our findings. Results This review included a total of 75 articles, describing 70 studies and 66 ICTs for suicide prevention implemented in clinical settings. The majority of ICTs were computerized interventions and applications (n = 55). These ICTs were commonly used as indicated strategies (n = 49) targeting patients who were actively presenting with suicide risk. The three most common suicide prevention intervention categories identified were post-discharge follow-up (n = 27), screening and assessment (n = 22), and safety planning (n = 20). A paucity of reported information was identified related to implementation strategies, barriers and facilitators. The most reported implementation strategies included training, education, and collaborative initiatives. Barriers and facilitators of implementation included the need for resource supports, knowledge, skills, motivation as well as engagement with clinicians with research teams. Studies included outcomes at patient, clinician, and health system levels, and implementation outcomes included acceptability, feasibility, fidelity, and penetration. Conclusion The findings from this review illustrate several trends of the ICTs for suicide prevention in the literature and identify a need for future research to strengthen the evidence base for improving implementation. More effort is required to better understand and support the implementation and sustainability of ICTs in clinical settings. The findings can also serve as a future resource for researchers seeking to evaluate the impact and implementation of ICTs.

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)0,027
score de la tête « metaresearch » (Gemma)0,117
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 enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,117
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,008
Bibliométrie0,0190,019
Études des sciences et des technologies0,0020,001
Communication savante0,0060,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,412
Tête enseignante GPT0,630
Écart entre enseignants0,217 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetSuicide and Self-Harm Studies→Travaux en français237 207→