Understanding Implementation of a Digital Self-Monitoring Intervention for Relapse Prevention in Psychosis: Protocol for a Mixed Method Process Evaluation
Notice bibliographique
Résumé
BACKGROUND: Relapse is common in people who experience psychosis and is associated with many negative consequences, both societal and personal. People who relapse often exhibit changes (early warning signs [EWS]) in the period before relapse. Successful identification of EWS offers an opportunity for relapse prevention. However, several known barriers impede the use of EWS monitoring approaches. Early signs Monitoring to Prevent relapse in psychosis and prOmote Well-being, Engagement, and Recovery (EMPOWER) is a complex digital intervention that uses a mobile app to enhance the detection and management of self-reported changes in well-being. This is currently being tested in a pilot cluster randomized controlled trial. As digital interventions have not been widely used in relapse prevention, little is known about their implementation. Process evaluation studies run in parallel to clinical trials can provide valuable data on intervention feasibility. OBJECTIVE: This study aims to transparently describe the protocol for the process evaluation element of the EMPOWER trial. We will focus on the development of a process evaluation framework sensitive to the worldview of service users, mental health staff, and carers; the aims of the process evaluation itself; the proposed studies to address these aims; and a plan for integration of results from separate process evaluation studies into one overall report. METHODS: The overall process evaluation will utilize mixed methods across 6 substudies. Among them, 4 will use qualitative methodologies, 1 will use a mixed methods approach, and 1 will use quantitative methodologies. RESULTS: The results of all studies will be triangulated into an overall analysis and interpretation of key implementation lessons. EMPOWER was funded in 2016, recruitment finished in January 2018. Data analysis is currently under way and the first results are expected to be submitted for publication in December 2019. CONCLUSIONS: The findings from this study will help identify implementation facilitators and barriers to EMPOWER. These insights will inform both upscaling decisions and optimization of a definitive trial. TRIAL REGISTRATION: ISRCTN Registry ISRCTN99559262; http://www.isrctn.com/ISRCTN99559262. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/15634.
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 | 0,165 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,010 |
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 ».