A Mixed-Method Study Protocol of a Novel Psychological Intervention: Virtual Reality Therapy for LGBT (LGBT-VRT)
Notice bibliographique
Résumé
Lesbian, gay, bisexual, and transgender (LGBT) people encounter substantial minority stress, which puts them at higher risk of negative mental health outcomes. Despite higher prevalence of mood problems and therapy usage, traditional psychological services are not necessarily meeting their clinical needs, partly due to social isolation, discrimination, limited connections to LGBT communities, and barriers to adequate health care. To address the clinical gap, virtual reality (VR), which has been appraised as a revolutionary tool in the field of clinical psychology, appears to have unlimited potential addressing the unmet needs. A novel psychological intervention which is referred as Virtual Reality Therapy for LGBT (LGBT-VRT) will be developed in the current study. LGBT-VRT is a psychological intervention with theoretical foundations based on stress coping theory, learning theory, self-determination theory, and health equity promotion model. It intends to relieve emotional distress, facilitate social support, build resilience, and ultimately promote quality-of-life of the LGBT people. Using a mixed-method design, the current study aims to test the feasibility and usability of LGBT-VRT as a new protocol, determine effect sizes and identify suggestions for improvement when designing a subsequent larger clinical trial. To our knowledge, the current study is the first to explore the use of VR among LGBT population. This manuscript makes important contributions to the literature examining the clinical gap among the LGBT population, the potential of VR to address their unmet needs; and an innovative solution to the growing need of mental health among LGBT population. The insights of our studies should inform both therapists and public policy makers, and ultimately the LGBT population.
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 | 0,026 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,007 |
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 ».