Teleconsultations for mental health: Recommendations from a Delphi panel
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: The use of teleconsultations for mental health has drastically increased since 2020 due to the Covid19 pandemic. In the present paper, we aimed to analyze the advantages and disadvantages of teleconsultations for mental health compared to face-to-face consultations, and to provide recommendations in this domain. Methods: The recommendations were gathered using a Delphi methodology. The expert panel (N = 21) included professionals from the health and ICT domains. They answered questions via two rounds of web surveys, and then discussed the results in a plenary meeting. Some of the questions were also shared with non-experts (N = 104). Results: Both the experts and the non-experts with teleconsultation experience reported a general satisfaction concerning teleconsultations. A SWOT analysis revealed several strengths and opportunities of teleconsultations for mental health, but also several weaknesses and threats. The experts provided a set of practical recommendations for the preparation and organization of teleconsultations for mental health. Discussion: Teleconsultations for mental health have the potential to allow access to care for patients in remote and isolated areas. Thus, their use will unlikely be discontinued after the end of the pandemic. In this context, we suggest that the collaboration among clinicians, researchers, and interface designers is crucial to improve usability and user experience for both clinicians and patients. The importance of teaching teleconsultation skills and informing the public on the features of teleconsultations (e.g., data privacy/security) is also highlighted.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle