Mental health and psychosocial interventions in the context of climate change: a scoping review
Notice bibliographique
Résumé
The evidence on the impacts of climate change on mental health and wellbeing is growing rapidly. The objective of this scoping review is to understand the extent and type of existing mental health and psychosocial interventions aimed at addressing the mental health and psychosocial impacts of climate change. A scoping review methodology was followed. MEDLINE, PsycINFO, and Web of Science databases were searched from inception to May 2022. Comprehensive gray literature search, including expert consultation, was conducted to identify interventions for which peer-reviewed academic literature may not yet be available. Data on intervention type, setting, climate stressor, mental health outcome, evaluation, and any other available details were extracted, and results were summarized narratively. Academic literature search identified 16 records and gray literature search identified a further 24 records. Altogether, 37 unique interventions or packages of interventions were identified. The interventions act at the levels of microsystem, mesosystem, exosystem, and macrosystem through diverse mechanisms. While most interventions have not been formally evaluated, promising preliminary results support interventions in low- and middle-income-country settings disproportionately affected by climate disasters. Interventions from multidisciplinary fields are emerging to reduce psychological distress and enhance mental health and wellbeing in the context of climate change. This scoping review details existing evidence on the interventions and summarizes intervention gaps and lessons learned to inform continued intervention development and scale-up interventions.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».