Feasibility and outcomes of a multi-function mobile health approach for the schizophrenia spectrum: App4Independence (A4i)
Notice bibliographique
Résumé
Relative to the large investments in mobile health (mHealth) strategies for mental illnesses such as anxiety and depression, the development of technology to facilitate illness self-management for people with schizophrenia spectrum illnesses is limited. This situation falls out of step with the opportunity mHealth represents for providing inexpensive and accessible self-care resources and the routine use of mobile technologies by people with schizophrenia. Accordingly, the focus of this study was upon the feasibility of a schizophrenia-focused mobile application: App4Independence (A4i). A4i is a multi-feature app that uses feed, scheduling, and text-based functions co-designed with service users to enhance illness self-management. This study was completed in a large urban Canadian centre and employed pre-post assessments over a 1-month period that examined medication adherence, personal recovery, and psychiatric symptomatology. App use metrics were assessed as was qualitative feedback through semi-structured interview. Findings are reported in line with the World Health Organization mHealth Evidence and Assessment (mERA) checklist. Among the 38 individuals with a primary psychosis who participated, there was no research attrition and classic retention on the app was 52.5%. Significant improvement was observed in some psychiatric symptom domains with small-medium effects. Significant change in recovery engagement and medication adherence were not observed after controlling for multiple comparisons. Those who interacted with the app more frequently were more depressed and had higher hostility and interpersonal sensitivity at baseline. Satisfaction with the app was high and qualitative feedback provided insights regarding feature enhancements. This research suggested that A4i is feasible in terms of outcome and process indicators and is a technology that is ready to move on to clinical trial and validation testing. This study contributes to the small but emergent body of work investigating digital health approaches in severe mental illness populations.
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 | 0,001 | 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 | 0,000 |
| 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 ».