A Behavioral Activation Mobile Health App for Smokers With Depression: Development and Pilot Evaluation in a Single-Arm Trial
Notice bibliographique
Résumé
BACKGROUND: The integration of Behavioral Activation Treatment for Depression (BAT-D) into smoking cessation interventions is a promising approach to address depression as a barrier to quitting. However, this approach has only been tested as a face-to-face intervention, which has low reach. OBJECTIVE: The aims of the study were to develop a BAT-D mobile health app with high potential reach and determine its feasibility, acceptability, and preliminary effects on theory-based behavioral processes of behavioral activation, reduced depressive symptoms, and smoking cessation. METHODS: Following a user-centered design process consisting of competitive analysis, focus groups, and prototype testing, we conducted a single-arm pilot trial of Actify!, a BAT-D app for depressed smokers. Participants used SmokefreeTXT along with Actify! to provide cessation content that had not yet been built into the app for this initial phase of pilot testing. Participants in the trial were current, daily smokers with mild to moderate depressive symptoms. We examined use outcomes for all enrolled participants and process and cessation outcomes at 6 weeks postenrollment for study completers (16/17, 94% retention). RESULTS: Regarding acceptability, average number of log-ins per participant was 16.6 (SD 13.7), and 63% (10/16) reported being satisfied overall with the app. Posttreatment interviews identified some usability challenges (eg, high perceived burden of planning and scheduling values-based activities). There was a significant decrease in depressive symptoms from baseline to follow-up (mean change in Patient Health Questionnaire-9 scores was -4.5, 95% CI -7.7 to -1.3; P=.01). Additionally, carbon monoxide (CO)-confirmed, 7-day point prevalence abstinence (PPA) at 6-week follow-up was 31% (5/16), and the 30-day PPA was 19% (3/16). CONCLUSIONS: Results demonstrate promising engagement with Actify! and potential for impact on theory-based change processes and cessation outcomes. Preliminary quit rates compare favorably to previous trials of smoking cessation apps for the general population (ie, short-term, self-reported 30-day quit rates in the 8% to 18% range) and a previous trial of face-to-face BAT-D for depressed smokers (ie, CO-confirmed, 7-day PPA rate of 17% at end of treatment).
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».