Feasibility and Perception of Using Text Messages as an Adjunct Therapy for Low-Income, Minority Mothers With Postpartum Depression
Notice bibliographique
Résumé
BACKGROUND: Postpartum depression (PPD) is the most common medical problem among new mothers that can have a negative impact on infant health. Traditional treatments are often difficult for low-income mothers to complete, particularly given the numerous barriers families face. OBJECTIVE: Among low-income, primarily racial, and ethnic minority mothers with postpartum depression, our aim was to evaluate (1) the feasibility of sending supportive text messages, and (2) the perception of receiving private, supportive text messages for postpartum depression. METHODS: Mothers found to be at risk for postpartum depression received supportive text messages four times weekly for 6 months in addition to receiving access to traditional counseling services based within an academic pediatric office. Feasibility was evaluated along with cellular and text messaging use, access, and perception of the message protocol. Perception of the message protocol was evaluated at study completion via a Likert scale questionnaire and open-ended qualitative survey. RESULTS: In total, 4158/4790 (86.81%) text messages were successfully delivered to 54 mothers over a 6-month period at a low cost (US $777.60). Among the 96 scripted messages, 37 unique messages (38.54%) allowed for a response. Of all sent messages that allowed for responses, 7.30% (118/1616) were responded to, and 66.1% of those responses requested a call back; 46% (25/54) of mothers responded at least once to a text message. Mothers felt that messages were easily received and read (25/28, 89%) and relevant to them personally (23/28, 82%). Most shared texts with others (21/28, 75%). CONCLUSIONS: Text messaging is feasible, well-accepted, and may serve as a simple, inexpensive adjunct therapy well-suited to cross socioeconomic boundaries and provide private support for at-risk mothers suffering from postpartum depression.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».