Developing and evaluating a peer-based mental health literacy intervention with adolescent athletes
Notice bibliographique
Résumé
Widespread adolescent involvement in organized sport means that sport contexts are well-suited to 'actively' integrate prevention programs that may promote population-level change. This mixed methods study aimed to evaluate the feasibility and acceptability of a peer-based mental health literacy intervention. The intervention (i.e., Team Talk) was presented to eleven adolescent sport teams in the United States, with a total of 174 participants. Athlete participants completed surveys immediately before and after the intervention-including measures of workshop acceptability, social identity, and help-seeking behaviors. Semi-structured interviews were also conducted with a subset of five athletes, nine parents, and two coaches. With respect to recruitment as an indicator of feasibility, club-level adoption of the intervention was low, with difficulty recruiting clubs for intervention delivery. This signals that feasibility of the intervention-as it is currently designed and implemented by the research team-is low when considering similar competitive adolescent sport clubs and delivered as team-level workshops. Meanwhile, participants reported high acceptability of the intervention, and acceptability levels across participants was predicted by contextual factors related to implementation such as session duration. Regarding limited efficacy testing with measures completed before and after the intervention session: (a) social identity scores increased following the intervention, and (b) significant differences were not identified regarding efficacy to recognize symptoms of mental disorders. Athlete, coach, and parent interview responses also described potential adaptations to mental health programs. This research demonstrates the potential utility of peer-based mental health literacy interventions, while also revealing that further implementation research is necessary to adapt mental health literacy interventions to suit diverse adolescent sport contexts.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».