Pediatric climate distress: A scoping review and clinical resource
Notice bibliographique
Résumé
Introduction: Climate change is the public health crisis of our time, with young people particularly at risk. Climate change has been associated with increased prevalence of psychiatric disorders. Psychological concerns pertaining to the Earth's future have also been cited as contributing to negative emotions now termed 'climate distress'. While previous reviews have addressed the various ways climate change affects pediatric mental health, this scoping review aims to specifically explore pediatric climate distress and its implications for clinical practice. Methods: 2548 articles were extracted from multiple databases, titles, abstracts, and full texts were screened blinded and in duplicate using the web-based platform Covidence. Quantitative and qualitative original research papers published in English between January 1, 2000 and April 29, 2024 that studied pediatric climate distress were included. Results: Forty-two articles met the inclusion criteria, along with 10 additional grey literature sources. Among quantitative studies, 81 % found that 50 % or more of respondents reported negative climate emotions and 86 % of qualitative studies reported that "all" or "most" respondents expressed negative climate emotions. Additionally, 63 % of studies measuring distress severity reported high distress levels. Therapeutic interventions addressing climate distress were found to be effective and were categorized thematically into three groups: Education-Emotion Focused, Nature-Engagement Based, and Activism-Civic Related. Conclusions: This review shows that while there is a growing body of literature that illustrates how young people have negative emotions pertaining to climate change, there is need for increased diagnostic and therapeutic approaches to clinically address these growing challenges.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».