MétaCan
Menu
Retour à la cohorte
Enregistrement W2990522015 · doi:10.2196/14146

Engagement and Usability of a Cognitive Behavioral Therapy Mobile App Compared With Web-Based Cognitive Behavioral Therapy Among College Students: Randomized Heuristic Trial

2019· article· en· W2990522015 sur OpenAlexvenueno aff
Saptarshi Purkayastha, Siva Abhishek Addepally, Sherri Bucher

Notice bibliographique

RevueJMIR Human Factors · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityPsychological interventionMobile appsPsychologyCognitive behavioral therapymHealthDigital healthClinical psychologyRandomized controlled trialApplied psychologyCognitionMedicineHealth careComputer scienceWorld Wide WebPsychiatryHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent evidence in mobile health has demonstrated that, in some cases, apps are an effective way to improve health care delivery. Health care interventions delivered via mobile technology have demonstrated both practicality and affordability. Lately, cognitive behavioral therapy (CBT) interventions delivered over the internet have also shown a meaningful impact on patients with anxiety and depression. OBJECTIVE: Given the growing proliferation of smartphones and the trust in apps to support improved health behaviors and outcomes, we were interested in comparing a mobile app with Web-based methods for the delivery of CBT. This study aimed to compare the usability of a CBT mobile app called MoodTrainer with an evidence-based website called MoodGYM. METHODS: We used convenience sampling to recruit 30 students from a large Midwestern university and randomly assigned them to either the MoodGYM or MoodTrainer user group. The trial period ran for 2 weeks, after which the students completed a self-assessment survey based on Nielsen heuristics. Statistical analysis was performed to compare the survey results from the 2 groups. We also compared the number of modules attempted or completed and the time spent on CBT strategies. RESULTS: The results indicate that the MoodTrainer app received a higher usability score when compared with MoodGYM. Overall, 87% (13/15) of the participants felt that it was easy to navigate through the MoodTrainer app compared with 80% (12/15) of the MoodGYM participants. All MoodTrainer participants agreed that the app was easy to use and did not require any external assistance, whereas only 67% (10/15) had the same opinion for MoodGYM. Furthermore, 67% (10/15) of the MoodTrainer participants found that the navigation controls were easy to locate compared with 80% (12/15) of the MoodGYM participants. MoodTrainer users, on average, completed 2.5 modules compared with 1 module completed by MoodGYM users. CONCLUSIONS: As among the first studies to directly compare the usability of a mobile app-based CBT with smartphone-specific features against a Web-based CBT, there is an opportunity for app-based CBT as, at least in our limited trial, it was more usable and engaging. The study was limited to evaluate usability only and not the clinical effectiveness of the app.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,441
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetDigital Mental Health InterventionsTravaux en français237 207