Smartphone Application for Unhealthy Alcohol Use: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Technology-delivered interventions are useful tools for addressing unhealthy alcohol use. Smartphones in particular offer opportunities to deliver interventions at the user's convenience. A smartphone application with 5 modules (personal feedback, self-monitoring of drinking, designated driver tool, blood alcohol content [BAC] calculator, information) was developed. Its acceptability and associations between use and drinking outcomes were assessed. METHODS: One hundred thirty adults with unhealthy alcohol use (>14 [men]/>7 [women] drinks/week or ≥1 episode/month with 6 or more drinks) recruited in Switzerland (n = 70) and Canada (n = 60) were offered to use the application. Follow-up occurred after 3 months. Appreciation, usefulness, and self-reported frequency of use of the modules, and drinking outcomes (drinks/week, binge drinking) were assessed. Associations between application use and drinking at 3 months were evaluated with negative binomial and logistic regression models, adjusted for baseline values and gender. RESULTS: Of the participants, 48% were women, mean (SD) age: 32.8 (10.0). Follow-up rate: 86.2%. There were changes from baseline (BL) to follow-up (FU) in number of drinks/week, BL: 15.0 (16.5); FU: 10.9 (10.5), P = .01, and binge drinking, BL: 95.4%; FU: 64.3%, P < .0001. All modules had median ratings between 6 and 8 (scale of 1-10). Among the participants, 77% used the application, 76% used the personal feedback module, 41% the self-monitoring of drinking, 22% the designated driver tool, 53% the BAC calculator, and 31% the information module. Participants using the application more than once reported significantly fewer drinks/week at follow-up: Incidence Rate Ratio (IRR), number of drinks per week = 0.70 (0.51; 0.96). CONCLUSIONS: A smartphone application for unhealthy alcohol use appears acceptable and useful (although there is room for improvement). Without prompting, its use is infrequent. Those who used the application more than once reported less weekly drinking than those who did not. Efficacy of the application should be tested in a randomized trial with strategies to increase frequency of its use.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».