Culturally competent digital mental health platforms for youth and young adults: A systematic review
Notice bibliographique
Résumé
Introduction Mental illness accounts for nearly half the disease burden among youth and is often linked to substance misuse, suicidal ideation, and self-harm. A major barrier to care is the lack of culturally and linguistically appropriate services, as mental health resources are largely shaped by Western, English-language frameworks. Culturally competent care, services aligned with patients’ social, cultural, and linguistic needs, may address this gap. This systematic review investigates core components of culturally competent digital mental health services globally. Methods A systematic search of MEDLINE, PsycINFO, Embase, and CINAHL for English-language articles was conducted, presenting primary research on digital mental health platforms targeting stress, anxiety, depression, or suicidal ideation in youth aged 10–30. Included platforms incorporated personalized features such as multilingual options or culturally relevant design. Two reviewers (SA, NA) independently screened titles and abstracts; shortlisted articles underwent full-text review. Data were extracted into a summary table covering study methods, platform features, and cultural adaptations. Quality was assessed using Hawker’s checklist. Results Out of 751 records, 12 studies met the criteria from Canada (3), Australia (3), Lebanon (2), China (1), Germany (1), USA (1), and Uganda (1). Most used qualitative methods (n=5) and examined mobile health apps (n=6). Culturally competent features included adapted interventions (n=4), language-specific tools (n=1), or both (n=7). Most studies showed improved mental health outcomes and enhanced access through culturally competent digital care. Conclusion Embedding culturally competent approaches into digital platform design—co-created with diverse youth—can reduce global mental health access barriers and promote healthcare equity.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».