Psychosocial and pharmacological interventions for personality disorders in low- and middle-income countries: A systematic review
Notice bibliographique
Résumé
Personality disorders (PDs) have a global prevalence of 7.8% and are associated with increased rates of morbidity and mortality. Most research on PDs has been conducted in High Income Countries (HICs). We conducted a systematic review to investigate the effectiveness of psychosocial and pharmacological interventions for personality disorders (PDs) in individuals from Low- and Middle-Income Countries (LMICs.) We systematically searched MEDLINE, Embase, APA PsycInfo, Web of Science, Cumulative Index of Nursing and Allied Health Literature (CINAHL), and The Cochrane Library from inception to January 5, 2023. Inclusion criteria were quantitative studies and grey literature where participants received a psychosocial or pharmacological intervention for PD. Exclusion criteria were qualitative studies, review articles, studies in which PD was not the primary condition, and articles not available in English. The Cochrane Risk of Bias tool version 2.0 and Joanna Briggs Institute instruments were used to measure risk of bias. Studies were pooled by type of study, PD investigated, type of intervention, assessment methods, and outcomes. Sixteen studies met inclusion criteria and were included. Fifteen were intervention studies related to borderline PD. Only one studied mixed PDs. Twelve studies were of psychotherapy, one pharmacotherapy, one combination of both, and two neurostimulation. Most of the studies showed improvement in symptoms though data was largely collected using self-report measures. There were only six RCTs. There is a dearth of literature on interventions for PDs in LMICs and funding bodies should prioritize research in LMICs. Systematic Review Registration Number: PROSPERO CRD42021233415.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».