MétaCan
Menu
Retour à la cohorte
Enregistrement W2679749608 · doi:10.2196/mhealth.6497

Beyond Basic Feedback in Mobile Brief Interventions: Designing SMS Message Content for Delivery to Young Adults During Risky Drinking Events

2017· article· en· W2679749608 sur OpenAlexvenueno aff
Cassandra Wright, Paul Dietze, Megan S. C. Lim

Notice bibliographique

RevueJMIR mhealth and uhealth · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilAustralian GovernmentBurnet Institute
Mots-clésPsychological interventionmHealthPsychologyMobile deviceComputer scienceMobile appsInternet privacyApplied psychologyMultimediaMedicineWorld Wide WebPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Brief interventions can reduce alcohol consumption in young people through screening and delivery of personally relevant feedback. Recently, Web and mobile platforms have been harnessed to increase the reach of brief interventions. Existing literature on mobile-based alcohol brief interventions indicates mixed use of theory in developing interventions. There is no research available to guide the development of SMS text messaging (short message service, SMS) interventions delivered during risky drinking events. OBJECTIVE: The aim of this study was to develop and pilot an alcohol-related risk-reduction brief intervention delivered by SMS to Australian young adults during drinking events. This paper describes the development of intervention message content, with specific focus on the context of delivery during drinking events. METHODS: A sample of 42 young adults attended 4 workshops; these comprised focus-group style discussion on drinking habits and motivations, discussion of intervention design, analysis of existing alcohol media campaigns, and participant development of message content. Data were analyzed thematically. RESULTS: Participants described a focus on having fun and blocking out any incongruent negative influences during drinking episodes. For content to be acceptable, nonjudgmental and non-authoritative language was deemed essential. A preference for short, actionable messages was observed, including suggestions for reminders around drinking water, organizing transport home, checking on friends, and plans the next day. Participants were excited about the potential for messages to be tailored to individuals, as previous alcohol-related campaigns were deemed too generic and often irrelevant. Normative-based messages were also perceived as largely irrelevant as participants felt that they understood the drinking-related norms of their immediate peers already. CONCLUSIONS: Findings from this study offer insights into young adults' drinking events and practical advice for designing alcohol-related brief interventions. During our formative development process, we demonstrated a neat correspondence between young people's preferences for alcohol harm reduction interventions and the theoretical principles of brief interventions, including acceptable topics and message style.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,102
Tête enseignante GPT0,443
Écart entre enseignants0,341 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207