Paraprofessional delivery of online narrative exposure therapy for firefighters
Notice bibliographique
Résumé
Firefighters are at increased risk for developing posttraumatic stress disorder (PTSD) and face numerous barriers to accessing mental health care. Innovative ways to increase access to evidence-based interventions are needed. This study was a case series testing the acceptability, feasibility, and preliminary effectiveness of a paraprofessional-delivered, virtual narrative exposure therapy (eNET) intervention for PTSD. Participants were 21 firefighters who met the criteria for clinical or subclinical probable PTSD and completed 10-12 sessions of eNET via videoconference. Participants completed self-report measures pre- and postintervention and at 2- and 6-month follow-ups as well as a postintervention qualitative interview. Paired samples t tests evidenced statistically significant decreases in PTSD, anxiety, and depressive symptom severity and functional impairment from pre- to postintervention, ds = 1.08-1.33, and in PTSD and anxiety symptom severity and functional impairment from preintervention to 6-month follow-up, ds = 0.69-1.10. The average PTSD symptom severity score fell from above to below the clinical cutoff for probable PTSD at postintervention and follow-ups. Qualitative interviews indicated that paraprofessionals were considered central to participants' success and experience with the intervention. No adverse events or safety concerns were raised. This study is an important step in demonstrating that appropriately trained and supervised paraprofessionals can effectively deliver eNET to firefighters with PTSD.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».