Efficacy and Outcomes of a Music-Based Emotion Regulation Mobile App in Distressed Young People: Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Emotion dysregulation increases the risk of depression, anxiety, and substance use disorders. Music can help regulate emotions, and mobile phones provide constant access to it. The Music eScape mobile app teaches young people how to identify and manage emotions using music. OBJECTIVE: This study aimed to examine the effects of using Music eScape on emotion regulation, distress, and well-being at 1, 2, 3, and 6 months. Moderators of outcomes and user ratings of app quality were also examined. METHODS: A randomized controlled trial compared immediate versus 1-month delayed access to Music eScape in 169 young people (aged 16 to 25 years) with at least mild levels of mental distress (Kessler 10 score>17). RESULTS: No significant differences between immediate and delayed groups on emotion regulation, distress, or well-being were found at 1 month. Both groups achieved significant improvements in 5 of the 6 emotion regulation skills, mental distress, and well-being at 2, 3, and 6 months. Unhealthy music use moderated improvements on 3 emotion regulation skills. Users gave the app a high mean quality rating (mean 3.8 [SD 0.6]) out of 5. CONCLUSIONS: Music eScape has the potential to provide a highly accessible way of improving young people's emotion regulation skills, but further testing is required to determine its efficacy. Targeting unhealthy music use in distressed young people may improve their emotion regulation skills. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry ACTRN12615000051549; https://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=365974.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».