Needs, gaps and opportunities for standard and e-mental health care among at-risk populations in the Asia Pacific in the context of COVID-19: a rapid scoping review
Notice bibliographique
Résumé
The COVID-19 pandemic is expected to have profound mental health impact, including in the Asia Pacific Economic Cooperation (APEC) region. Some populations might be at higher risk of experiencing negative mental health impacts and may encounter increased barriers to accessing mental health care. The pandemic and related restrictions have led to changes in care delivery, including a rapid shift to the use of e-mental health and digital technologies. It is therefore essential to consider needs and opportunities for equitable mental health care delivery to the most at-risk populations. This rapid scoping review: 1) identifies populations in the APEC region that are at higher risk of the negative mental health impacts of COVID-19, 2) identifies needs and gaps in access to standard and e-mental health care among these populations, and 3) explores the potential of e-mental health to address these needs.We conducted a rapid scoping review following the PRISMA Extension for Scoping Reviews (PRISMA-ScR). We searched Medline, Embase and PsychInfo databases and Google Scholar using a search strategy developed in consultation with a biomedical librarian. We included records related to mental health or psychosocial risk factors and COVID-19 among at-risk groups; that referred to one or more APEC member economies or had a global, thus generalizable, scope; English language papers, and papers with full text available.A total of 132 records published between December 2019 and August 2020 were included in the final analysis. Several priority at-risk populations, risk factors, challenges and recommendations for standard and e-mental health care were identified. Results demonstrate that e-mental health care can be a viable option for care delivery but that specific accessibility and acceptability considerations must be considered. Options for in-person, hybrid or "low-tech" care must also remain available.The COVID-19 pandemic has highlighted the urgent need for equitable standard and e-mental health care. It has also highlighted the persistent social and structural inequities that contribute to poor mental health. The APEC region is vast and diverse; findings from the region can guide policy and practice in the delivery of equitable mental health care in the region and beyond.
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 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 | 0,042 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,029 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».