MétaCan
Menu
Retour à la cohorte
Enregistrement W2898170059 · doi:10.2196/10948

Effectiveness of a Multimodal Digital Psychotherapy Platform for Adult Depression: A Naturalistic Feasibility Study

2018· article· en· W2898170059 sur OpenAlexvenueno aff
Enitan T. Marcelle, Laura Nolting, Stephen M. Hinshaw, Adrián Aguilera

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésModalitiesNaturalistic observationIntervention (counseling)PsychotherapistDepression (economics)mHealthModality (human–computer interaction)Multimodal therapyTreatment modalityPsychologyMultimediaComputer scienceMedicinePsychological interventionPsychiatryHuman–computer interactionSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although psychotherapy is one of the most efficacious and effective treatments for depression, limited accessibility to trained providers markedly limits access to care. In an attempt to overcome this obstacle, several platforms seeking to provide these services using digital modalities (eg, video, text, and chat) have been developed. However, the use of these modalities individually poses barriers to intervention access and acceptability. Multimodal platforms, comprising those that allow users to select from a number of available modalities, may be able to provide a solution to these concerns. OBJECTIVE: We aimed to investigate the preliminary effectiveness of providing psychotherapy through a multimodal digital psychotherapy platform. In addition, we aimed to examine differential responses to intervention by gender, self-reported physical health status, and self-reported financial status, as well as how prior exposure to traditional face-to-face psychotherapy affected the effectiveness of a multimodal digital psychotherapy intervention. Finally, we aimed to examine the dose-response effect. METHODS: Data were collected from a total of 318 active users of BetterHelp, a multimodal digital psychotherapy platform. Data on physical health status, financial status, and prior exposure to psychotherapy were obtained using self-report measures. Effectiveness was determined by the extent of symptom severity change, which was measured using the Patient Health Questionnaire at Time 1 (time of enrollment) and Time 2 (3 months after enrollment). Intervention dosage was measured as the sum of individual therapist-user interactions across modalities. RESULTS: Depression symptom severity was significantly reduced after the use of the multimodal digital psychotherapy intervention (P<.001). Individuals without prior traditional psychotherapy experience revealed increased improvement after intervention (P=.006). We found no significant dose-response effect of therapy, nor significant differences in outcomes across gender, self-reported financial status, and self-reported physical health status. CONCLUSIONS: Users of BetterHelp experienced significantly reduced depression symptom severity after engaging with the platform. Study findings suggest that this intervention is equally effective across gender, self-reported financial status, and self-reported physical health status and particularly effective for individuals without a history of psychotherapy. Overall, study results suggest that multimodal digital psychotherapy is a potentially effective treatment for adult depression; nevertheless, experimental trials are needed. We discuss directions for future research.

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)0,010
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 seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
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 Opus0,078
Tête enseignante GPT0,483
Écart entre enseignants0,405 · 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

Citations46
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetDigital Mental Health InterventionsTravaux en français237 207