Simulation training in suicide risk assessment and intervention: a systematic review and meta-analysis
Notice bibliographique
Résumé
PURPOSE: Suicide is a major cause of preventable death worldwide. Adequate training in risk assessment and intervention is key to suicide prevention. The use of simulation (role plays, simulated patients, virtual reality…) for practical training is a promising tool in mental health. The purpose of this study was to assess the effectiveness of simulation training in suicide risk assessment and intervention for healthcare professionals and gatekeepers. METHODS: We conducted a systematic review in Medline and PsycINFO up to 31 July 2021 of randomized controlled trials (RCTs), non-randomized controlled trials, and pre/post-test studies. RCTs were furthermore included in a meta-analysis. We assessed the methodological quality of all studies with the Medical Education Research Study Quality Instrument, and the Cochrane Risk of Bias tool 2.0 for RCTs. Primary outcomes were changes in Kirkpatrick criteria: attitudes, skills, knowledge, behaviors, and patient outcomes. RESULTS: We included 96 articles representing 43,656 participants. Most pre/post-test (n = 65) and non-randomized controlled (n = 14) studies showed significant improvement in attitudes, skills, knowledge, and behaviors. The meta-analysis of 11 RCTs showed positive changes in attitudes immediately after training and at 2-4 months post-training; in self-perceived skills at 6 months post-training; but not in factual knowledge. Studies assessing benefits for patients are still limited. CONCLUSIONS: The heterogeneity of methodological designs, interventions, and trained populations combined with a limited number of RCTs and studies on patients' outcomes limit the strength of the evidence. However, preliminary findings suggest that simulation is promising for practical training in suicidal crisis intervention and should be further studied.
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 | 0,009 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,027 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,006 | 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 ».