MétaCan
Menu
Retour à la cohorte
Enregistrement W2121833483 · doi:10.2196/mhealth.3660

Qualitative Feedback From a Text Messaging Intervention for Depression: Benefits, Drawbacks, and Cultural Differences

2014· article· en· W2121833483 sur OpenAlexvenueno aff
Adrián Aguilera, Clara Berridge

Notice bibliographique

RevueJMIR mhealth and uhealth · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Institute of Mental Health
Mots-clésPsychological interventionMoodPsychologyIntervention (counseling)FeelingClinical psychologymHealthQualitative researchApplied psychologyPsychotherapistSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile health interventions are often standardized and assumed to work the same for all users; however, we may be missing cultural differences in the experiences of interventions that may impact how and if an intervention is effective. OBJECTIVE: The objective of the study was to assess qualitative feedback from participants to determine if there were differences between Spanish speakers and English speakers. Daily text messages were sent to patients as an adjunct to group Cognitive Behavioral Therapy (CBT) for depression. METHODS: Messages inquired about mood and about specific themes (thoughts, activities, social interactions) of a manualized group CBT intervention. There were thirty-nine patients who participated in the text messaging pilot study. The average age of the participants was 53 years (SD 10.4; range of 23-72). RESULTS: Qualitative feedback from Spanish speakers highlighted feelings of social support, whereas English speakers noted increased introspection and self-awareness of their mood state. CONCLUSIONS: These cultural differences should be explored further, as they may impact the effect of supportive mobile health interventions. TRIAL REGISTRATION: Clinicaltrials.gov NCT01083628; http://clinicaltrials.gov/ct2/show/study/NCT01083628 (Archived by WebCite at http://www.webcitation.org/6StpbdHuq).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil0,825

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,485
Écart entre enseignants0,393 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetDigital Mental Health InterventionsTravaux en français237 207