MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408343911 · doi:10.2196/56534

Mental Health Care Guidelines for Telemedicine During the COVID-19 Pandemic: Scoping Review

2025· review· en· W4408343911 sur OpenAlexvenueno aff
Julia Ivanova, Triton Ong, Hattie Wilczewski, Mollie Cummins, Hiral Soni, Janelle Barrera, Brandon M. Welch, Brian E. Bunnell

Notice bibliographique

RevueJMIR Mental Health · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)TelemedicinePreprintPandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicineTelepsychiatryHealth careMental healthComputer scienceVirologyPolitical scienceWorld Wide WebPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mental health care providers have widely adopted telemedicine since the onset of the COVID-19 pandemic. Some providers have reported difficulties in implementing telemedicine and are still assessing its sustainability for their practices. Recommendations, best practices, and guidelines for telemedicine-based mental health care (ie, telemental health care [TMH]) have been published, but the nature and extent of this guidance have not been assessed. OBJECTIVE: We aimed to determine (1) the form of TMH guidelines and recommendations presented to providers, (2) the most commonly presented recommendations and guidelines, and (3) the perceived benefits and challenges of these TMH guidelines and recommendations. METHODS: Through our scoping review of practice guidelines, we aimed to identify themes in TMH guidelines and clinical recommendations published between 2020 and 2024 in peer-reviewed journals. This review focused on the first 2 years of the COVID-19 pandemic to identify and characterize the available TMH guidance. We searched PubMed/MEDLINE and ScienceDirect for articles in peer-reviewed journals published between January 1, 2020, and July 16, 2024. We included articles that were available in English and presented recommendations, best practices, or guidelines for TMH. We excluded duplicates, articles unrelated to telehealth, brief editorial introductions, and those not publicly available. We applied the Healthcare Provider Taxonomy of the National Uniform Claim Committee to article titles and abstracts to identify records relevant to mental health. We used content and thematic analyses to identify key themes. RESULTS: Of the 1348 articles retrieved, we identified 76 that matched our criteria. Through content and thematic analyses, we identified 3 main themes-along with subthemes and topics-related to Facilitators, Concerns, and Changes Advised. The majority of articles called for further research (59/76) and for telemental health education and innovation in some form (43/76) regarding advised changes. Twenty-four articles included specific guidelines, recommendations, or checklists for providers. CONCLUSIONS: The results highlight the need for further large-scale research to support the development of effective guidelines and protocols for therapy plans. Although TMH care is widespread, scholarly work emphasizes the need for a stronger evidence base that includes testing protocols in diverse settings and populations. The results also underscore the importance of increasing health professionals' knowledge of regulatory compliance and providing them with adequate TMH practice education.

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)0,041
score de la tête « metaresearch » (Gemma)0,187
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,041
Score d'incertitude au seuil0,217

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,187
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0230,021
Études des sciences et des technologies0,0020,002
Communication savante0,0060,007
Science ouverte0,0040,004
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,232
Tête enseignante GPT0,586
Écart entre enseignants0,354 · 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'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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental Health→Même sujetTelemedicine and Telehealth Implementation→Travaux en français237 207→