Introduction to the special issue on contemporary and cross-cutting evidence-based interventions in pediatric psychology
Notice bibliographique
Résumé
In a time where misinformation abounds and access to care is precarious, research on evidence-based interventions is more important than ever. Pediatric psychologists rely on the availability of evidence to guide clinical decision-making in supporting the mental health and well-being of children with acute and chronic illnesses. Interventions in pediatric psychology have stronger evidence for efficacy than many pharmacological and other health interventions. This evidence base has facilitated advocacy for the inclusion of psychologists in medical teams and for funding to improve access to psychological care for children with acute and chronic medical needs, and likely accounts for many of the documented positive outcomes of integrating pediatric psychologists in children’s health care (Janicke & Hommel, 2016; McGrady, 2018; Pereira et al., 2021). Systematic review and meta-analysis are a cornerstone of this work. As pediatric psychology trials are highly cost- and resource-intensive, and many pediatric populations are small, achieving sufficient power to detect effects is often a challenge for individual trials. Similarly, single trials are often constrained by geography, demographics of the local population, and availability of diverse therapists, limiting generalizability beyond the study site. Reviews are critical to summarize and pool the existing evidence base to determine the level of confidence we can have in the efficacy of an intervention in our own clinical setting, as well as offering an opportunity for critical analysis of research quality.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».