Interventions for improving adherence to psychological treatments for common mental disorders: a systematic review
Notice bibliographique
Résumé
Our systematic review aims to synthesise the evidence on interventions targeting improvement in patient adherence to psychological treatments for common mental disorders. A search was conducted on six electronic databases using search terms under the following concepts: common mental disorders, adherence, psychological treatments and controlled trial study design. Due to the heterogeneity in intervention content and outcomes evaluated in the included studies, a narrative synthesis was conducted. Risk of bias was assessed using the Cochrane Risk of Bias Version 2 tool for randomised controlled trials and the Cochrane ROBINS-I tool for non-randomised controlled trials. The search yielded 23 distinct studies with a total sample size of 2,779 participants. All studies were conducted in high-income or upper-middle-income countries. Interventions to improve patient adherence to psychological treatments included reminders and between-session engagement (e.g., text messages), motivational interviewing, therapy orientation (e.g., expectation-setting) and overcoming structural barriers (e.g., case management). Interventions from 18 out of 23 studies were successful in improving at least one primary adherence outcome of interest (e.g., session attendance). Some studies also reported an improvement in secondary outcomes - six studies reported an improvement in at least one clinical outcome (e.g., depression), and three studies reported improvements in at least one measure of well-being or disability (e.g., days spent in in-patient treatment). By incorporating these interventions into psychological treatment services, therapists can better engage with and support their patients, potentially leading to improved mental health outcomes and overall well-being.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».