Digital Health Resilience and Well-Being Interventions for Military Members, Veterans, and Public Safety Personnel: Environmental Scan and Quality Review (Preprint)
Notice bibliographique
Résumé
BACKGROUND Accessible mental health care, delivered via mobile apps or web-based services, may be essential for military members, public safety personnel (PSP), and veterans, as they report numerous barriers to seeking in-person care and are at an increased risk for a number of psychological disorders. OBJECTIVE We aimed to identify, describe, and evaluate apps, resource banks (RBs), and web-based programs (WBPs), referred to as digital mental health interventions (DMHIs), recommended for military members, PSP, and veterans. A multidimensional and multisystemic view of resilience and well-being were maintained throughout this environmental scan. METHODS Information was gathered from a comprehensive review of peer-reviewed literature, a Google search, and a targeted search of websites relevant to the study populations. DMHIs aimed at supporting resilience or well-being were included in the review, including those published in peer-reviewed articles, and those offered to these populations without research or literature backing their use. RESULTS In total, 69 DMHIs were identified in this study, including 42 apps, 19 RBs, and 8 WBPs, and were described based on 3 questions related to purpose, strategies, and evidence from the adapted Mobile App Rating Scale and the Mobile App Rating Scale. Each WBP and RB was then reviewed via the adapted Mobile App Rating Scale and each app via the Alberta Rating Index for Apps (ARIA). Overall, 24 (35%) of the DMHIs were recommended for military members, 20 (29%) for PSP, and 41 (59%) for veterans. The most common aim across apps, RBs, and WBPs was to increase happiness and well-being, and the most common strategies were advice, tips, and skills training. In total, 2 apps recommended for military members—PTSD Coach and Virtual Hope Box—received a high rating on the ARIA subscales and have also been trialed in pilot randomized control trial (RCT) and RCT evaluations, respectively, with positive initial results. Similarly, 2 apps recommended for PSP—PeerConnect and R2MR—have been trialed in non-RCT studies, with partially positive outcomes or little to no contradictory evidence and received a high rating on the ARIA. Finally, 2 apps recommended for veteran populations—PTSD Coach and VetChange—received high ratings on the ARIA and have been trialed via pilot-RCT and RCT studies, respectively, with positive outcomes. CONCLUSIONS In conclusion, there is a need for efficacy and effectiveness trials for DMHIs for military members, PSP, and veterans to ensure that they are effectively meeting the population’s needs. While there appears to be many promising DMHIs, further research is needed before these interventions continue to be promoted as effective and widely distributed.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,011 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».