MétaCan
Menu
Retour à la cohorte
Enregistrement W2895779154 · doi:10.2196/11566

Evaluating a Web-Based Social Anxiety Intervention Among Community Users: Analysis of Real-World Data

2018· article· en· W2895779154 sur OpenAlexaff
Hugh C McCall, Fjóla Dögg Helgadóttir, Ross G. Menzies, Heather D. Hadjistavropoulos, Frances S. Chen

Notice bibliographique

RevueJournal of Medical Internet Research · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueAnxiety, Depression, Psychometrics, Treatment, Cognitive Processes
Établissements canadiensUniversity of British ColumbiaUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésSocial anxietyAnxietyPsychological interventionThe InternetIntervention (counseling)Cognitive behavioral therapyPsychologyClinical psychologyPsychotherapistInternet privacyApplied psychologyPsychiatryComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social anxiety is both harmful and prevalent. It also currently remains among the most undertreated major mental disorders, due, in part, to socially anxious individuals' concerns about the stigma and expense of seeking help. The privacy and affordability of computer-aided psychotherapy interventions may render them particularly helpful in addressing these concerns, and they are also highly scalable, but most tend to be only somewhat effective without therapist support. However, a recent evaluation of a new self-guided, 7-module internet-delivered cognitive behavioral therapy intervention called Overcome Social Anxiety found that it was highly effective. OBJECTIVE: The initial evaluation of Overcome Social Anxiety revealed that it led to significant reductions in symptom severity among university undergraduates. The aim of this study was to extend the results of the initial study and investigate their generalizability by directly evaluating the intervention's effectiveness among a general community sample. METHODS: While signing up for Overcome Social Anxiety, users consented to the usage of their anonymized outcome data for research purposes. Before and after completing the intervention, users completed the Fear of Negative Evaluation Scale (FNE), which we employed as the primary outcome measure. Secondary outcome measures included the Depression Anxiety Stress Scales (DASS) and 2 bespoke questionnaires measuring socially anxious thoughts (Thoughts Questionnaire) and avoidance behaviors (Avoidance Questionnaire). RESULTS: Participants who completed the intervention (102/369, 27.7%) experienced significant reductions in the severity of their symptoms on all measures employed, including FNE (P<.001; Cohen d=1.76), the depression subscale of DASS (P<.001; Cohen d=0.70), the anxiety subscale of DASS (P<.001; Cohen d=0.74), the stress subscale of DASS (P<.001; Cohen d=0.80), the Thoughts Questionnaire (P<.001; Cohen d=1.46), and the Avoidance Questionnaire (P<.001; Cohen d=1.42). CONCLUSIONS: Our results provide further evidence that Overcome Social Anxiety reduces the severity of social anxiety symptoms among those who complete it and suggest that its effectiveness extends to the general community. The completion rate is the highest documented for a fully automated intervention for anxiety, depression, or low mood in a real community sample. In addition, our results indicate that Overcome Social Anxiety reduces the severity of symptoms of depression, physiological symptoms of anxiety, and stress in addition to symptoms of social anxiety.

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)0,008
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
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)0,0020,000

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 Opus0,408
Tête enseignante GPT0,595
Écart entre enseignants0,187 · 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'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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetAnxiety, Depression, Psychometrics, Treatment, Cognitive ProcessesTravaux en français237 207