MétaCan
Menu
Retour à la cohorte
Enregistrement W4390607355 · doi:10.1123/kr.2023-0020

Competencies Relevant to Physical Activity Specialists in Navigating Mental Health Contexts: A Scoping Review

2024· review· en· W4390607355 sur OpenAlexaff
Ashley McCurdy, Yeong-Bae Kim, Carminda Goersch Lamboglia, Cliff Lindeman, Amie Mangan, Guy Faulkner, Wendy M. Rodgers, John C. Spence

Notice bibliographique

RevueKinesiology Review · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of British ColumbiaUniversity of Northern British ColumbiaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMental healthCINAHLPsycINFOPsychologyCoachingApplied psychologyWarrantConsistency (knowledge bases)Medical educationMEDLINENursingMedicinePsychological interventionPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

To inform future learning opportunities, we performed a scoping review to identify competencies relevant to physical activity (PA) specialists in supporting the PA and mental health of people experiencing mental health concerns. CINAHL, PsycINFO, and SPORTDiscus databases were searched up to June 22, 2022, for research studies and commentaries. Pertinent text was extracted and subject to content analysis using an inductive approach. Sixty-two competencies from 62 publications were organized into four domains: (a) interacting with mental health care services/systems, (b) responding to mental health concerns, (c) employing PA counseling/coaching to promote mental health among people with diverse mental health needs, and (d) building relationships that are responsive to diverse mental health needs. These findings may serve as a road map for stakeholders interested in developing PA specialists’ confidence to meet the challenges of navigating mental health contexts. Despite consistency across sources, points of divergence warrant consideration from learning institutions and professional bodies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0090,001
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,005

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.

Tête enseignante Opus0,612
Tête enseignante GPT0,729
Écart entre enseignants0,117 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKinesiology ReviewMême sujetHealth Policy Implementation ScienceTravaux en français237 207