The Use of Psychedelics for Grief Following Death due to Advanced Illness: A Scoping Review
Notice bibliographique
Résumé
Background: There is promising evidence that psychedelic-assisted psychotherapy may be a powerful new treatment approach for mortality-related distress. However, less is known about the possible benefits for people experiencing grief. Aim: To explore what is known about using psychedelics to attend to grief following death due to advanced illness. Design: This scoping review followed Arskey and O’Malley’s methodological framework and adheres to the PRISMA-ScR reporting guidelines. Searches were conducted in seven databases in April 2023, and updated in December 2023. No limits or filters were applied. The quality of the papers was not appraised. Results: Of the 4614 records screened, 18 reports were included. Seven are empirical investigations of the impact of psychedelics on grief. This literature is informed by different epistemologies, ontologies, and conceptualizations of grief, adding a layer of complexity and potential for conflict to arise due to differing perspectives. Overall, there is little high-quality evidence about the use of psychedelics to attend to grief. However, across the empirical studies, positive outcomes were generally reported (i.e., reduction in grief symptom severity), with few studies reporting adverse events or negative outcomes. Conclusion: There is not a strong evidence base to guide clinical recommendations for applying psychedelics to the problem of grief at this time. Moving forward, psychedelic authors and researchers can explicitly situate their work (e.g., position, interests) to assist with interpretability of findings, and integrate theory from the field of grief studies, which may require collaborations with grief therapists and theorists to guide future work.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».