MétaCan
Menu
Retour à la cohorte
Enregistrement W2904005365 · doi:10.2196/11443

Can Brief, Daily Training Using a Mobile App Help Change Maladaptive Beliefs? Crossover Randomized Controlled Trial

2018· article· en· W2904005365 sur OpenAlexvenueno aff
María Roncero, Amparo Belloch, Guy Doron

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueObsessive-Compulsive Spectrum Disorders
Établissements canadiensnon disponible
Organismes subventionnairesUniversitat de València
Mots-clésRandomized controlled trialCrossover studyCrossoverMobile appsPsychologymHealthTraining (meteorology)Computer sciencePhysical therapyPhysical medicine and rehabilitationMedicinePsychological interventionArtificial intelligenceWorld Wide WebAlternative medicinePsychiatryGeographyPlacebo

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Obsessive-compulsive disorder (OCD) is a disabling condition with a wide variety of clinical presentations including contamination fears, fear of harm, and relationship-related obsessions. Cognitive behavioral models of OCD suggest that OC symptoms result from catastrophic misinterpretations of commonly occurring intrusive experiences and associated dysfunctional strategies used to manage them. OCD-related maladaptive beliefs including inflated responsibility, importance and control of thoughts, perfectionism, and intolerance for uncertainty increase the likelihood of such misinterpretations. OBJECTIVE: Considering accumulating evidence suggesting that mobile health (mHealth) apps based on cognitive-behavioral principles may lead to significant reductions in psychopathological symptoms, we assessed the effectiveness of a novel cognitive training app (GGRO) designed to challenge OCD-related beliefs. METHODS: A total of 97 students were randomized to groups undertaking immediate-use (iApp) or delayed use (dApp) of GGRO. All participants were requested to complete Web-based assessments, with questionnaires relating to maladaptive beliefs, mood, and OC symptoms at baseline (T1), 15 days from baseline (T2), and 30 days from baseline (T3). Participants in iApp group started using the app at baseline and continued using the app for 15 consecutive days. They were then requested to stop using the app until T3. Participants in the dApp group were requested to wait for 15 days and only then start using the app (crossover) for 15 consecutive days. RESULTS: All participants used the app for a mean of 14.07 (SD 1.41) days with 2.94 levels per day. Consistent with previous findings, app use was associated with medium-large effect size reductions in both iApp (n=51) and dApp (n=46) groups. In the iApp group, all effects remained significant during the 15 days of follow-up. Analyses focusing on the first two assessment occasions revealed significant treatment × repeated measures interactions on maladaptive beliefs, several OC symptom measures, and self-esteem. CONCLUSIONS: This study provides further evidence for the efficacy of GGRO as a mobile-delivered training exercise that is useful for reducing OCD-related beliefs and symptoms. TRIAL REGISTRATION: ClinicalTrials.gov NCT03571464; https://clinicaltrials.gov/ct2/show/NCT03571464 (Archived by WebCite at http://www.webcitation.org/7675sYPsH).

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,067
Tête enseignante GPT0,395
Écart entre enseignants0,328 · 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'étudeEssai randomisé
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

Citations55
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetObsessive-Compulsive Spectrum DisordersTravaux en français237 207