MétaCan
Menu
Retour à la cohorte
Enregistrement W4417522109 · doi:10.1080/17533015.2025.2604818

A review of theatre interventions and mental health: inspiration, elicitation and dissemination

2025· review· en· W4417522109 sur OpenAlexaffabout
Sanjana Kumar, Raghu Raghavan, Brian Brown, Erminia Colucci, Indrani Lahiri, Andy Barrett, Michael Wilson, Amanda Wilson, Asha Banu Soletti, Chandra Dasan, Manoj Kumar, Chitra Venkateswaran, Monica Lakhanpaul, Meena Iyer, Muthusamy Sivakami, L. S. S. Manickam

Notice bibliographique

RevueArts & Health · 2025
Typereview
Langueen
DomaineArts and Humanities
ThématiqueArt Therapy and Mental Health
Établissements canadiensExtendicare (Canada)
Organismes subventionnairesEconomic and Social Research CouncilUK Research and Innovation
Mots-clésDeconstruction (building)Psychological interventionMental healthPower (physics)Photo elicitation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is limited knowledge of how theatre interventions have been deployed to address mental health issues in low and middle income countries (LMICs). Our aim was to examine the role of theatre as a research activity and explore the ways in which its research potential had been actualised in the literature, and examine the extent to which authors have addressed LMICs. METHODS: We undertook a scoping review informed by PRISMA guidelines, which yielded an initial capture of 1200 items, which was narrowed down to 21 papers, including some relevant interventions from Canada and the UK too. RESULTS: The literature demonstrates extensive experience of using theatre interventions, which used a variety of performance modalities. Theatre is used as a way of inspiring change, eliciting data from audience members and participants and as a way of disseminating public health messages or research findings. CONCLUSIONS: We conclude with observations about areas which deserve further attention, such as critical deconstruction of expert-approved health messages, or the potential of the originating radical theatrical traditions to question patterns of power and legitimacy.

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)0,032
score de la tête « metaresearch » (Gemma)0,106
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,106
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0130,013
Études des sciences et des technologies0,0010,002
Communication savante0,0050,004
Science ouverte0,0020,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,103
Tête enseignante GPT0,441
Écart entre enseignants0,338 · 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'étudeSans objet
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArts & HealthMême sujetArt Therapy and Mental HealthTravaux en français237 207