Mobile App-Delivered Cognitive Behavioral Therapy for Insomnia: Feasibility and Initial Efficacy Among Veterans With Cannabis Use Disorders
Notice bibliographique
Résumé
BACKGROUND: Cannabis is the most frequently used illicit substance in the United States resulting in high rates of cannabis use disorders. Current treatments for cannabis use are often met with high rates of lapse/relapse, tied to (1) behavioral health factors that impact cannabis use such as poor sleep, and (2) access, stigma, supply, and cost of receiving a substance use intervention. OBJECTIVE: This pilot study examined the feasibility, usability, and changes in cannabis use and sleep difficulties following mobile phone-delivered Cognitive Behavioral Therapy for Insomnia (CBT-I) in the context of a cannabis cessation attempt. METHODS: Four male veterans with DSM-5 cannabis use disorder and sleep problems were randomized to receive a 2-week intervention: CBT-I Coach mobile app (n=2) or a placebo control (mood-tracking app) (n=2). Cannabis and sleep measures were assessed pre- and post-treatment. Participants also reported use and helpfulness of each app. Changes in sleep and cannabis use were evaluated for each participant individually. RESULTS: Both participants receiving CBT-I used the app daily over 2 weeks and found the app user-friendly, helpful, and would use it in the future. In addition, they reported decreased cannabis use and improved sleep efficiency; one also reported increased sleep quality. In contrast, one participant in the control group dropped out of the study, and the other used the app minimally and reported increased sleep quality but also increased cannabis use. The mood app was rated as not helpful, and there was low likelihood of future participation. CONCLUSIONS: This pilot study examined the feasibility and initial patient acceptance of mobile phone delivery of CBT-I for cannabis dependence. Positive ratings of the app and preliminary reports of reductions in cannabis use and improvements in sleep are both encouraging and support additional evaluation of this intervention.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 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 ».