MétaCan
Menu
Retour à la cohorte
Enregistrement W4390890206 · doi:10.2196/48929

Digital Methods for the Spiritual and Mental Health of Generation Z: Scoping Review

2024· review· en· W4390890206 sur OpenAlexvenueaboutno aff
Susanna Y Park, Bridgette Do, Jacqlyn Yourell, Janice Hermer, Jennifer Huberty

Notice bibliographique

RevueInteractive Journal of Medical Research · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueReligion, Spirituality, and Psychology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthCINAHLPsycINFOPsychological interventionSpiritualityPsychologyScopusInclusion (mineral)PopulationMEDLINEMedicineAlternative medicinePsychotherapistPsychiatrySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Generation Z (Gen Z) includes individuals born between 1995 and 2012. These individuals experience high rates of anxiety and depression. Most Gen Z individuals identify with being spiritual, and aspects from religion and spirituality can be integrated into mental health treatment and care as both are related to lower levels of depression. However, research on the spiritual and mental health of Gen Z is sparse. To date, there are no systematic or scoping reviews on digital methods to address the spiritual and mental health of Gen Z. OBJECTIVE: This scoping review aimed to describe the current state of digital methods to address spiritual and mental health among Gen Z, identify the knowledge gaps, and make suggestions for how to leverage digital spiritual and mental health interventions for Gen Z. METHODS: A comprehensive literature search was conducted in PubMed, Scopus, PsycInfo, CINAHL, Education Full Text, Google Scholar, SocIndex, and Sociological Abstracts. The inclusion criteria were as follows: (1) study population born between 1995 and 2012 (ie, Gen Z); (2) reporting on spiritual health or well-being, spirituality or religion, and mental health or well-being; (3) reporting on using digital methods; (4) publication in 1996 or beyond; (5) human subject research; (6) full text availability in English; (7) primary research study design; and (8) peer-reviewed article. Two authors screened articles and subsequently extracted data from the included articles to describe the available evidence. RESULTS: A total of 413 articles were screened at the title and abstract levels, of which 27 were further assessed with full text for eligibility. Five studies met the inclusion criteria, and data were extracted to summarize study characteristics and findings. The studies were performed across 4 different countries. There were 2 mixed-methods studies (South Africa and Canada), 2 cross-sectional studies (China and United States), and 1 randomized controlled trial (United States). Of these studies, only 2 discussed digital interventions (a text messaging-based intervention to improve spiritual and mental health, and a feasibility study for a mental health app). Other studies had a digital component with minor or unclear spiritual and mental health measures. Overall, there was a lack of consistency in how spiritual and mental health were measured. CONCLUSIONS: Few studies have focused on assessing the spiritual and mental health of Gen Z in the digital context, and no research to date has examined a digital spiritual and mental health application among Gen Z. Research is needed to inform the development and evaluation of approaches to address the spiritual and mental health of Gen Z via digital means (eg, mobile apps).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,109
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,109
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0250,021
Études des sciences et des technologies0,0020,002
Communication savante0,0070,006
Science ouverte0,0020,004
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,425
Tête enseignante GPT0,700
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations17
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetReligion, Spirituality, and PsychologyTravaux en français237 207