MétaCan
Menu
Retour à la cohorte
Enregistrement W2765326979 · doi:10.1080/15332985.2017.1395782

Embracing technology: Use of text messaging with adolescent outpatients at a mood and anxiety program

2017· article· en· W2765326979 sur OpenAlexaff
Carolyn Summerhurst, Michael Wammes, Justin Arcaro, Elizabeth Osuch

Notice bibliographique

RevueSocial Work in Mental Health · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensWestern UniversityLondon Health Sciences CentreLawson Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésText messagingShort Message ServiceAnxietyMoodMental healthText messagePsychologyPsychiatryMedicineClinical psychologyComputer scienceInternet privacy

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to assess the use of text message communication with an adolescent (16–25) psychiatric outpatient program. Ninety percent of patients (633) provided a mobile number and agreed to communicate with the program via text. Text messages exchanged with patients from May 2013 to May 2015 (12344) were extracted and analyzed. Results of this study indicate that text messaging was used to communicate frequently and primarily for the scheduling of appointments (58.9%) and was very rarely (0.3%) used inappropriately. The ability of mental health service providers to use text messaging with adolescent outpatients could improve cost-effectiveness and efficiency.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,792

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,042
Tête enseignante GPT0,399
Écart entre enseignants0,357 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Work in Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207