Informed consent

Background Clinical research on psychedelic-assisted therapy (PAT) has expanded substantially in recent years, particularly for post-traumatic stress disorder (PTSD) and depressive disorders. Contemporary studies have generally evaluated psychedelic administration within controlled therapeutic settings that include psychological support, preparation, and integration. However, variability in clinical response and methodological challenges have highlighted the importance of individual, relational, and contextual factors, often described as “set and setting,” in understanding therapeutic outcomes. The role of psychotherapy and the broader therapeutic context therefore remains an important area of investigation. Objective This scoping review aimed to map the contemporary evidence on PAT, characterize the clinical and psychotherapeutic approaches used with psilocybin, MDMA, LSD, and DMT, summarize reported clinical and safety findings, and identify methodological, mechanistic, ethical, and implementation considerations across existing protocols. Methods A structured search of PubMed, PsycINFO, Scopus, and ClinicalTrials.gov was conducted on 23 February 2026. Sources published or publicly available between January 2020 and November 2025 were eligible. The review included peer-reviewed and relevant non-peer-reviewed sources addressing psychedelic-assisted interventions, including primary clinical studies, reviews, clinical trial registrations, regulatory documents, and other relevant contextual sources. Records were managed using Zotero and screened against predefined Population, Concept, and Context criteria. Findings were synthesized descriptively according to source type and evidence domain. Results The mapped evidence was most developed for MDMA-assisted therapy in PTSD and psilocybin-assisted interventions for depressive disorders. Randomized clinical trials reported reductions in PTSD and depressive symptoms following MDMA- and psilocybin-based interventions, respectively, while emerging clinical evidence also investigated LSD-based treatment for generalized anxiety disorder. Evidence for DMT-assisted therapy remained comparatively preliminary, with several available sources consisting of trial registrations or industry-reported information. Across the literature, preparation, supervised psychedelic administration, and integration were common therapeutic components, although the structure and intensity of psychotherapy varied substantially. Functional unblinding, expectancy effects, heterogeneity of psychotherapeutic approaches, and limitations in long-term safety data were recurring concerns. Ethical issues included informed consent during altered states of consciousness, therapist competence and boundaries, cultural considerations, and equitable access. Conclusion PAT represents a rapidly developing area of clinical research, but the evidence base remains heterogeneous across compounds, indications, therapeutic models, and levels of evidential maturity. Future research should improve the standardization and reporting of psychotherapeutic interventions, strengthen methods for assessing blinding and expectancy, establish consistent long-term safety monitoring, and develop robust ethical and equity frameworks. Clear distinction between peer-reviewed clinical findings and preliminary or contextual evidence will also be essential as PAT research progresses toward broader clinical implementation.

Background: Workplace stress, anxiety, burnout and psychological distress are important concerns affecting employee well-being and organisational performance. The increasing use of artificial intelligence (AI) in digital mental health support offers opportunities for accessible and timely assistance, while raising concerns regarding privacy, informed consent, algorithmic bias, clinical safety, accountability and human oversight. This study aims to examine the potential role and responsible integration of AI-based psychiatric counselling for managing employee stress and supporting workplace mental health by 2030. Materials and Methods: A mixed-methods research design will be used, combining quantitative survey data with qualitative interviews. The quantitative component will include approximately 350–450 employees, while the qualitative component will involve approximately 25–35 interviews with HR professionals, organisational leaders, EAP professionals and mental health practitioners. Data will assess perceived stress, anxiety, burnout, psychological safety, trust, confidentiality, privacy concerns, AI counselling acceptance and willingness to use AI-based mental health support. Quantitative data will be analysed using descriptive statistics, reliability testing, correlation, regression, t-tests, ANOVA and appropriate mediation or moderation analyses. Qualitative data will be analysed thematically. Results: The study is expected to identify factors influencing employee acceptance and trust in AI-based psychiatric counselling and to examine the role of privacy, human oversight, psychological safety and organisational support in its responsible adoption. Conclusion: AI-based psychiatric counselling may serve as a supportive component of workplace mental health systems, particularly for early support, psychoeducation, self-help and triage. However, it should complement rather than replace qualified mental health professionals. Responsible implementation will require privacy safeguards, informed consent, clinical oversight, transparency, fairness, accountability and clear referral pathways.

زمینه: استرس محیط کار، اضطراب، فرسودگی شغلی و پریشانی روان‌شناختی از دغدغه‌های مهمی هستند که بهزیستی کارکنان و عملکرد سازمانی را تحت تأثیر قرار می‌دهند. افزایش استفاده از هوش مصنوعی (AI) در حمایت دیجیتال سلامت روان، فرصت‌هایی برای دسترسی و کمک به‌موقع فراهم می‌کند، در حالی که نگرانی‌هایی درباره حریم خصوصی، رضایت آگاهانه، سوگیری الگوریتمی، ایمنی بالینی، مسئولیت‌پذیری و نظارت انسانی ایجاد می‌کند. هدف این مطالعه بررسی نقش بالقوه و ادغام مسئولانه مشاوره روان‌پزشکی مبتنی بر هوش مصنوعی برای مدیریت استرس کارکنان و حمایت از سلامت روان محیط کار تا سال ۲۰۳۰ است. مواد و روش‌ها: از طرح پژوهشی آمیخته استفاده خواهد شد که داده‌های پیمایش کمی را با مصاحبه‌های کیفی ترکیب می‌کند. بخش کمی شامل حدود ۳۵۰ تا ۴۵۰ نفر از کارکنان خواهد بود و بخش کیفی شامل حدود ۲۵ تا ۳۵ مصاحبه با متخصصان منابع انسانی، رهبران سازمانی، متخصصان EAP و درمانگران سلامت روان خواهد بود. داده‌ها میزان استرس ادراک‌شده، اضطراب، فرسودگی شغلی، ایمنی روان‌شناختی، اعتماد، محرمانگی، نگرانی‌های مربوط به حریم خصوصی، پذیرش مشاوره مبتنی بر هوش مصنوعی و تمایل به استفاده از حمایت سلامت روان مبتنی بر هوش مصنوعی را ارزیابی خواهند کرد. داده‌های کمی با استفاده از آمار توصیفی، آزمون پایایی، همبستگی، رگرسیون، آزمون t، ANOVA و تحلیل‌های میانجی‌گری یا تعدیل‌گری مناسب تحلیل می‌شوند. داده‌های کیفی به صورت مضمون‌محور تحلیل خواهند شد. نتایج: انتظار می‌رود مطالعه عوامل مؤثر بر پذیرش و اعتماد کارکنان به مشاوره روان‌پزشکی مبتنی بر هوش مصنوعی را شناسایی کند و نقش حریم خصوصی، نظارت انسانی، ایمنی روان‌شناختی و حمایت سازمانی را در پذیرش مسئولانه آن بررسی نماید. نتیجه‌گیری: مشاوره روان‌پزشکی مبتنی بر هوش مصنوعی می‌تواند به عنوان بخشی حمایتی از نظام‌های سلامت روان محیط کار، به ویژه برای حمایت اولیه، آموزش روانی، خودیاری و ارجاع اولیه مورد استفاده قرار گیرد. با این حال، باید مکمل و نه جایگزین متخصصان واجد شرایط سلامت روان باشد. اجرای مسئولانه نیازمند تضمین‌های حریم خصوصی، رضایت آگاهانه، نظارت بالینی، شفافیت، انصاف، مسئولیت‌پذیری و مسیرهای ارجاع روشن خواهد بود.

Postpartum women constitute a vulnerable population in whom insomnia comorbid with emotional disorders such as anxiety and depression is disproportionately prevalent, attributable to hormonal fluctuations, environmental changes, and social role transitions. This comorbidity significantly increases their long-term risk of mental health disorders. Given the safety concerns of sedative-hypnotic medications, non-pharmacological therapies are the first-line treatment for this population. We report the case of a 34-year-old woman with chronic postpartum insomnia comorbid with emotional disorders, who provided written informed consent for the publication of her de-identified clinical data and received 4 weeks of combined acupuncture and transcutaneous auricular vagus nerve stimulation (taVNS) treatment. Clinical assessments were performed at baseline, week 2, week 4 (end of treatment), and week 8 (4-week post-treatment follow-up) using validated scales including the PSQI, ISI, and HAMA, among others. After 4 weeks of treatment, the patient demonstrated significant improvements in objective sleep quality and anxiety symptoms, while subjective insomnia perception and depressive symptoms remained partially unresolved. Notably, all clinical outcomes continued to improve to near-normal levels during the follow-up period without any additional intervention, and no adverse events were recorded. This case demonstrates that combined acupuncture and taVNS is a safe and effective intervention for chronic postpartum insomnia comorbid with emotional disorders, with a favorable sustained therapeutic effect after treatment cessation, offering a valuable alternative for non-pharmacological management in this population.

زنان پس از زایمان جمعیت آسیب‌پذیری را تشکیل می‌دهند که در آن‌ها بی‌خوابی همراه با اختلالات هیجانی مانند اضطراب و افسردگی به طور نامتناسبی شایع است که این امر به نوسانات هورمونی، تغییرات محیطی و انتقال نقش‌های اجتماعی نسبت داده می‌شود. این هم‌ابتلایی به طور قابل توجهی خطر ابتلا به اختلالات سلامت روان در بلندمدت را افزایش می‌دهد. با توجه به نگرانی‌های ایمنی داروهای آرام‌بخش-خواب‌آور، درمان‌های غیر دارویی به عنوان خط اول درمان برای این جمعیت توصیه می‌شود. ما مورد یک زن ۳۴ ساله با بی‌خوابی مزمن پس از زایمان همراه با اختلالات هیجانی را گزارش می‌کنیم که رضایت‌نامه آگاهانه کتبی برای انتشار داده‌های بالینی بدون هویت خود ارائه داد و به مدت ۴ هفته تحت درمان ترکیبی طب سوزنی و تحریک عصب واگ گوش از طریق پوست (taVNS) قرار گرفت. ارزیابی‌های بالینی در ابتدا، هفته دوم، هفته چهارم (پایان درمان) و هفته هشتم (پیگیری ۴ هفته پس از درمان) با استفاده از مقیاس‌های معتبر از جمله PSQI، ISI و HAMA و سایر ابزارها انجام شد. پس از ۴ هفته درمان، بیمار بهبود قابل توجهی در کیفیت خواب عینی و علائم اضطراب نشان داد، در حالی که ادراک ذهنی بی‌خوابی و علائم افسردگی تا حدی حل‌نشده باقی ماند. شایان ذکر است که همه پیامدهای بالینی در دوره پیگیری بدون هیچ مداخله اضافی به بهبود تا سطوح نزدیک به طبیعی ادامه یافتند و هیچ عارضه جانبی ثبت نشد. این مورد نشان می‌دهد که ترکیب طب سوزنی و taVNS مداخله‌ای ایمن و مؤثر برای بی‌خوابی مزمن پس از زایمان همراه با اختلالات هیجانی است که اثر درمانی پایدار و مطلوبی پس از قطع درمان دارد و گزینه‌ای ارزشمند برای مدیریت غیر دارویی در این جمعیت ارائه می‌دهد.

This study investigates the role of community-based schools in enhancing access to quality education in rural Nigeria and South Africa. A descriptive survey research design was adopted for the study. The population comprised individuals actively involved with community-based schools in selected rural communities across both countries. A total sample of 300 respondents (150 from Nigeria and 150 from South Africa) was selected using a multi-stage sampling technique involving purposive, stratified, and simple random sampling methods. Data were collected using a structured instrument titled Community-Based Schools Educational Access and Quality Questionnaire (CBSEAQ). The instrument’s validity was established through expert review for content and face validity, while its reliability was confirmed through a pilot test, yielding a Cronbach’s alpha coefficient of 0.82. Trained research assistants administered the questionnaire and ensured informed consent and respondent anonymity. The researchers analysed the data using SPSS, employing descriptive statistics and inferential tests such as t-tests and chi-square tests to compare responses between countries. The findings revealed that community-based schools improve access to quality education, reduce educational disparities, and enhance school effectiveness through active community participation. However, inadequate infrastructure and weak policy implementation continue to limit access to education, while Nigeria shows greater access to education through community-based schools than South Africa because of stronger community involvement. The study recommended strengthening the implementation of community-based education policies through adequate funding, effective monitoring, and improved rural infrastructure. It also emphasises promoting community participation in school governance, continuous teacher development, regular evaluation, and enhanced collaboration between Nigeria and South Africa to share best practices and improve educational access and quality.

این مطالعه به بررسی نقش مدارس مبتنی بر جامعه در ارتقای دسترسی به آموزش با کیفیت در مناطق روستایی نیجریه و آفریقای جنوبی می‌پردازد. طرح پژوهش از نوع توصیفی-پیمایشی انتخاب شد. جامعه آماری شامل افرادی بود که به طور فعال با مدارس مبتنی بر جامعه در جوامع روستایی منتخب هر دو کشور همکاری داشتند. نمونه‌ای متشکل از ۳۰۰ نفر (۱۵۰ نفر از نیجریه و ۱۵۰ نفر از آفریقای جنوبی) با استفاده از روش نمونه‌گیری چندمرحله‌ای شامل نمونه‌گیری هدفمند، طبقه‌ای و تصادفی ساده انتخاب شد. داده‌ها با استفاده از ابزار ساختاریافته‌ای با عنوان «پرسشنامه دسترسی و کیفیت آموزشی مدارس مبتنی بر جامعه» (CBSEAQ) جمع‌آوری گردید. روایی ابزار از طریق بازبینی خبرگان برای روایی محتوا و ظاهری تأیید شد و پایایی آن از طریق آزمون مقدماتی با ضریب آلفای کرونباخ ۰٫۸۲ مورد تأیید قرار گرفت. دستیاران پژوهشی آموزش‌دیده پرسشنامه را اجرا کرده و رضایت آگاهانه و ناشناس بودن پاسخ‌دهندگان را تضمین کردند. پژوهشگران داده‌ها را با استفاده از نرم‌افزار SPSS و به‌کارگیری آمار توصیفی و آزمون‌های استنباطی مانند آزمون t و آزمون کای‌دو برای مقایسه پاسخ‌ها بین دو کشور تحلیل کردند. یافته‌ها نشان داد که مدارس مبتنی بر جامعه موجب بهبود دسترسی به آموزش با کیفیت، کاهش نابرابری‌های آموزشی و ارتقای اثربخشی مدارس از طریق مشارکت فعال جامعه می‌شوند. با این حال، زیرساخت ناکافی و ضعف در اجرای سیاست‌ها همچنان دسترسی به آموزش را محدود می‌کند و نیجریه به دلیل مشارکت قوی‌تر جامعه، دسترسی بیشتری به آموزش از طریق مدارس مبتنی بر جامعه نسبت به آفریقای جنوبی دارد. مطالعه پیشنهاد می‌کند که اجرای سیاست‌های آموزش مبتنی بر جامعه از طریق تأمین مالی کافی، نظارت مؤثر و بهبود زیرساخت‌های روستایی تقویت شود. همچنین بر ترویج مشارکت جامعه در مدیریت مدارس، توسعه مستمر معلمان، ارزیابی منظم و افزایش همکاری بین نیجریه و آفریقای جنوبی برای به‌اشتراک‌گذاری تجارب موفق و بهبود دسترسی و کیفیت آموزشی تأکید می‌کند.

Background Against the backdrop of digital empowerment, generative artificial intelligence has been widely applied in school-age children’s reading education, and digital reading has become one of the primary types of environmental exposure for school-age children. However, school-age children face challenges such as insufficient age-appropriate content and uncontrollable physical and mental strain. There is an urgent demand for a public health intervention model that balances reading-related health benefits, prevents and controls digital exposure risks, avoids physical and mental health impairments, and adapts to school-age children from diverse socioeconomic backgrounds. Methods A retrospective control study design was used in this study. A total of 100 cases of school-age children aged 6–12 were collected from the standardized intervention archive of our institution from September 2025 to December 2025. According to the intervention plan actually accepted in the archive records, they were divided into the collaborative intervention group and the AI-only reading group with 50 cases in each group. In the AI-only reading group, the recorded intervention is purely generative AI independent reading intervention (college students are only responsible for equipment operation and maintenance, and do not participate in reading guidance and emotional intervention), while in the collaborative intervention group, the recorded intervention is the structured auxiliary collaborative intervention of the whole process of generative AI voice multi-round interactive reading combined with standardized training for college students. The intervention period is 12 weeks, three times a week, and each time is 20–25 min. Retrospective analysis of longitudinal data at baseline, 6 weeks of intervention, 12 weeks of follow-up and 4 weeks of follow-up, with the comprehensive score of early reading as the only preset main outcome index, repeated measurement analysis of variance, independent sample t -test and chi-square test were used to analyze the inter-group and time effects, Cohen’s d was used to evaluate the effect, and the test level was α = 0.05. Results Retrospective archive data shows that, after intervention, the collaborative intervention group achieved significantly higher composite early reading scores, phonological awareness, vocabulary comprehension accuracy, reading attention duration and reading interest scores than the AI-only reading group ( p < 0.05). The main effects of group, time and the group-time interaction were all highly statistically significant ( p < 0.01), with an effect size of Cohen’s d = 0.50 representing a moderate intervention effect. The collaborative intervention group also showed significantly higher intervention adherence rate, AI interaction completion rate, reading task completion rate and frequency of active participation than the AI-only reading group ( p < 0.05). In terms of digital health-related outcomes, the collaborative intervention group had significantly lower incidence of adverse psychological states, incidence of prodromal signs of visual fatigue and digital eye strain symptoms, and study dropout rate ( p < 0.05). Among the digital health-related safety indicators, the incidence of negative emotions, visual fatigue and research dropout rate were significantly lower than those of the AI-only reading group ( p < 0.05). The archived records showed that the whole screen duration was strictly in compliance, and there was no privacy leakage and serious adverse events. The 10% lost visit rate was controllable, and the complete rate of informed consent and the qualified rate of implementation were all 100%, and there was no privacy leakage and serious adverse events. Conclusion The generative AI interaction mode paired with college student auxiliary support is associated with sustained improvement school-age children’s core early reading ability via cumulative short-term follow-up effects. Meanwhile, this collaborative model enables effective management of digital environmental exposure risks and may reduce risks related to visual and psychological health among school-age children. The intergroup differences remained stable with reliable effect sizes. This intervention model can be may provide a reference for future implementation as a digital public health intervention targeting school-age children’s early reading, and provides preliminary empirical evidence for the standardized application of AI-supported education for school-age children. This retrospective study only reflects the differences between groups of compound intervention programs in archived cases, and cannot establish strong causal inference.

زمینه: در بستر توانمندسازی دیجیتال، هوش مصنوعی مولد به طور گسترده‌ای در آموزش خواندن کودکان سن مدرسه به کار گرفته شده است و خواندن دیجیتال به یکی از انواع اصلی مواجهه‌ی محیطی برای کودکان سن مدرسه تبدیل شده است. با این حال، کودکان سن مدرسه با چالش‌هایی مانند کمبود محتوای متناسب با سن و فشارهای جسمی و روانی غیرقابل کنترل مواجه هستند. نیاز فوری به یک الگوی مداخله‌ی سلامت عمومی وجود دارد که منافع سلامت مرتبط با خواندن را متعادل کند، خطرات مواجهه‌ی دیجیتال را پیشگیری و کنترل نماید، از آسیب‌های سلامت جسمی و روانی جلوگیری کند و با کودکان سن مدرسه از زمینه‌های اجتماعی-اقتصادی متنوع سازگار باشد. روش‌ها: در این مطالعه از طرح کنترل گذشته‌نگر استفاده شد. در مجموع ۱۰۰ مورد از کودکان سن مدرسه ۶ تا ۱۲ ساله از آرشیو مداخله‌ی استانداردشده‌ی مؤسسه‌ی ما از سپتامبر ۲۰۲۵ تا دسامبر ۲۰۲۵ جمع‌آوری شد. بر اساس برنامه‌ی مداخله‌ای که واقعاً در سوابق آرشیو پذیرفته شده بود، آن‌ها به دو گروه مداخله‌ی مشارکتی و گروه خواندن صرفاً با هوش مصنوعی تقسیم شدند که هر گروه شامل ۵۰ نفر بود. در گروه خواندن صرفاً با هوش مصنوعی، مداخله‌ی ثبت‌شده صرفاً مداخله‌ی خواندن مستقل با هوش مصنوعی مولد بود (دانشجویان دانشگاه فقط مسئول راه‌اندازی و نگهداری تجهیزات بودند و در راهنمایی خواندن و مداخله‌ی عاطفی شرکت نداشتند)، در حالی که در گروه مداخله‌ی مشارکتی، مداخله‌ی ثبت‌شده، مداخله‌ی ساختاریافته‌ی کمکی مشارکتی در کل فرایند خواندن تعاملی چندمرحله‌ای صوتی با هوش مصنوعی مولد همراه با آموزش استانداردشده برای دانشجویان دانشگاه بود. دوره‌ی مداخله ۱۲ هفته، سه بار در هفته و هر بار ۲۰ تا ۲۵ دقیقه بود. تحلیل گذشته‌نگر داده‌های طولی در خط پایه، ۶ هفته مداخله، ۱۲ هفته پیگیری و ۴ هفته پیگیری انجام شد و امتیاز جامع خواندن اولیه به عنوان تنها شاخص اصلی از پیش تعیین‌شده در نظر گرفته شد. برای تحلیل اثرات بین‌گروهی و زمانی از تحلیل واریانس اندازه‌گیری مکرر، آزمون t مستقل و آزمون کای-دو استفاده شد، اندازه‌ی اثر با Cohen’s d ارزیابی شد و سطح آزمون α = ۰٫۰۵ بود. نتایج: داده‌های آرشیوی گذشته‌نگر نشان داد که پس از مداخله، گروه مداخله‌ی مشارکتی در امتیاز ترکیبی خواندن اولیه، آگاهی واجی، دقت درک واژگان، مدت زمان توجه به خواندن و امتیاز علاقه به خواندن به طور معناداری بالاتر از گروه خواندن صرفاً با هوش مصنوعی بود (p < 0.05). اثرات اصلی گروه، زمان و تعامل گروه-زمان همگی از نظر آماری بسیار معنادار بودند (p < 0.01) و اندازه‌ی اثر Cohen’s d = 0.50 نشان‌دهنده‌ی اثر مداخله‌ای متوسط بود. گروه مداخله‌ی مشارکتی همچنین نرخ پایبندی به مداخله، نرخ تکمیل تعامل با هوش مصنوعی، نرخ تکمیل وظیفه‌ی خواندن و فراوانی مشارکت فعال به طور معناداری بالاتری نسبت به گروه خواندن صرفاً با هوش مصنوعی نشان داد (p < 0.05). از نظر پیامدهای مرتبط با سلامت دیجیتال، گروه مداخله‌ی مشارکتی شیوع معناداری کمتری از وضعیت‌های روانی نامطلوب، نشانه‌های پیش‌درآمد خستگی بینایی و علائم خستگی چشمی دیجیتال و نرخ ترک تحصیل داشت (p < 0.05). در میان شاخص‌های ایمنی مرتبط با سلامت دیجیتال، شیوع هیجانات منفی، خستگی بینایی و نرخ ترک پژوهش به طور معناداری کمتر از گروه خواندن صرفاً با هوش مصنوعی بود (p < 0.05). سوابق آرشیوی نشان داد که مدت زمان کل استفاده از صفحه نمایش کاملاً مطابق با مقررات بوده و هیچ نشتی حریم خصوصی و رویداد نامطلوب جدی وجود نداشته است. نرخ مراجعه‌ی از دست رفته ۱۰٪ قابل کنترل بود و نرخ کامل بودن رضایت آگاهانه و نرخ اجرای واجد شرایط هر دو ۱۰۰٪ بود و هیچ نشتی حریم خصوصی و رویداد نامطلوب جدی وجود نداشت. نتیجه‌گیری: شیوه‌ی تعاملی هوش مصنوعی مولد همراه با حمایت کمکی دانشجویان دانشگاه با بهبود پایدار توانایی خواندن اولیه‌ی هسته‌ای کودکان سن مدرسه از طریق اثرات تجمعی پیگیری کوتاه‌مدت مرتبط است. در عین حال، این مدل مشارکتی امکان مدیریت مؤثر خطرات مواجهه با محیط دیجیتال را فراهم می‌کند و ممکن است خطرات مرتبط با سلامت بینایی و روانی کودکان سن مدرسه را کاهش دهد. تفاوت‌های بین‌گروهی با اندازه‌های اثر قابل اعتماد پایدار باقی ماندند. این مدل مداخله می‌تواند به عنوان مرجعی برای اجرای آینده به عنوان یک مداخله‌ی سلامت عمومی دیجیتال با هدف خواندن اولیه‌ی کودکان سن مدرسه مورد استفاده قرار گیرد و شواهد تجربی مقدماتی برای کاربرد استاندارد آموزش مبتنی بر هوش مصنوعی برای کودکان سن مدرسه فراهم می‌کند. این مطالعه‌ی گذشته‌نگر فقط تفاوت‌های بین گروه‌های برنامه‌های مداخله‌ی ترکیبی در موارد آرشیوی را منعکس می‌کند و نمی‌تواند استنباط علّی قوی ایجاد کند.