Web-Based Psychosocial Interventions for Disaster-Related Distress: What Has Been Trialed in the Past, and What Can We Learn From This?
Notice bibliographique
Résumé
OBJECTIVES: To summarize reports describing implementation and evaluation of Web-based psychosocial interventions for disaster-related distress with suggestions for future intervention and research, and to determine whether a systematic literature review on the topic is warranted. METHODS: Systematic searches of Embase, PsycINFO, and MEDLINE were conducted. Duplicate entries were removed. Two rounds of inclusion/exclusion were conducted (abstract and full-text review). Relevant data were systematically charted by 2 reviewers. RESULTS: The initial search identified 112 reports. Six reports, describing and evaluating 5 interventions, were included in a data analysis. Four of the 5 interventions were asynchronous and self-guided modular programs, with interactive components. The fifth was a short-term, online supportive group intervention. Studies utilized a variety of evaluation methods, and only 1 of 14 outcome measures used across the studies was utilized in more than 1 project. CONCLUSIONS: Several Web-based psychosocial interventions have been developed to target disaster-related distress, but few programs have been formally evaluated. A systematic review of the topic would not be recommended at this time due to heterogeneity in reported studies. Further research on factors impacting participation, generalizability, and methods of program delivery with consistent outcome measures is needed.
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 | 0,019 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».