Internet-Based Intervention to Promote Mental Fitness in Mildly Depressed Adults: Design of a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Investing in mental well-being is considered a supplement to current mental health service delivery in which the treatment and prevention of mental disorders are core components. It may be possible for people to enhance their well-being by boosting their "mental fitness." OBJECTIVE: Psyfit, an online, multi-component, fully automated self-help intervention, was developed with the aim of improving well-being and reducing depressive symptoms. The efficacy and cost-effectiveness of this intervention will be examined in a randomized controlled trial. METHODS: In this two-armed randomized controlled trial, a total of 290 participants will be assigned to use Psyfit (experimental condition) or to a 6-month waiting list (control condition). Adults with mild to moderate depressive symptoms interested in improving their mental fitness will be recruited from the general population through advertisements on the Internet and in newspapers. Online measurements by self-assessment will be made prior to randomization (pre-test), 2 months after baseline (post-test), and 6 months after baseline (follow-up). RESULTS: The primary outcome is well-being. Secondary outcomes are depressive symptoms, general health, vitality, and economic costs. Analysis will be conducted in accordance with the intention-to-treat principle. CONCLUSIONS: This study will examine the efficacy and cost-effectiveness of an online intervention that aims to promote well-being in people with elevated levels of depressive symptoms. If shown to be effective, the intervention could prove to be an affordable and widely accessible intervention to improve well-being in the general population. TRIAL REGISTRATION: The study is registered with the Netherlands Trial Register, part of the Dutch Cochrane Centre (NTR2126).
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 | 0,025 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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.
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 ».