Feasibility and Acceptability of an Interactive Mental Well-Being Intervention for People With Intellectual Disabilities: Pilot Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: The availability of both digital and traditional mental well-being interventions is rising, but these interventions typically do not consider people with intellectual disabilities as potential users. OBJECTIVE: The study aimed to explore the acceptability and feasibility of a new digital intervention, developed with and for people with intellectual disabilities, to improve their subjective well-being. METHODS: Using a single-group pre-post design, participants with intellectual disabilities and their caregivers completed the 4-week intervention. Mixed methods questionnaires assessed the acceptability of the intervention, in addition to self-report and proxy-report measures of subjective well-being and behavioral problems. RESULTS: A total of 12 men with mild to moderate intellectual disabilities enrolled in and completed the study alongside 8 caregivers. Participant acceptability of the intervention was high, and feedback covered multiple aspects of the intervention, including (1) program concept and design, (2) program content, and (3) intervention usage. Self-rated mood barometers indicated mood improvements for 5 participants, deteriorations for 2 participants, and no observed changes for the remaining participants. Statistical analyses yielded no difference from pretest (median=79; range 39-86) to posttest (median=79; range 21-96) for subjective well-being in people with intellectual disabilities (W=10.5; P=.17) and for behavioral problems (W=14; P=.05). CONCLUSIONS: People with intellectual disabilities and their caregivers are receptive to using digital well-being interventions, and this research shows such interventions to be feasible in routine practice. Given the acceptability of the intervention, its potential efficacy can now be evaluated in people with intellectual disabilities and symptoms of reduced mental well-being.
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 | 0,015 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».