The Implementation of an mHealth Intervention (ReZone) for the Self-Management of Overwhelming Feelings Among Young People
Notice bibliographique
Résumé
BACKGROUND: The association between mental health difficulties and academic attainment is well established. There is increasing research on mobile health (mHealth) interventions to provide support for the mental health and education of young people. However, nonadoption and inadequate implementation of mHealth interventions are prevalent barriers to such trials. OBJECTIVE: The aim of this study was to bridge this gap and examine the implementation of an mHealth intervention, ReZone, for young people in schools. METHODS: Preliminary data for 79 students collected as part of a larger trial were analyzed. We additionally conducted postimplementation consultations with teachers. RESULTS: ReZone was used 1043 times by 36 students in the intervention arm during the study period. Postimplementation teacher consultations provided data on implementation strategies, barriers, and facilitators. CONCLUSIONS: Implementation strategies, barriers, and facilitators for digital interventions need to be considered to limit nonadoption and inadequate implementation in larger trials. Important considerations involve tailoring the characteristics of the intervention to the requirements of the intended user group, the technology itself, and the organization in which it is implemented. TRIAL REGISTRATION: International Standard Randomised Controlled Trial Number: 13425994; http://www.isrctn.com/ISRCTN13425994.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».