Smartphone-based secondary prevention intervention for university students with unhealthy alcohol use identified by screening: study protocol of a parallel group randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND: Unhealthy alcohol use is a leading cause of morbidity and mortality among young people, including university students. Delivering secondary prevention interventions against unhealthy alcohol use is challenging. Information technology has the potential to reach large parts of the general population. The present study is proposed to test a proactive secondary prevention smartphone-based intervention against unhealthy alcohol use. METHODS: This is a parallel-group, randomized controlled trial (1:1 allocation ratio) among 1696 university students with unhealthy alcohol use, identified by screening and followed up at 3, 6, and 12 months. Participants will be randomized to receive access to a smartphone-based intervention or to a no intervention control condition. The primary outcome will be self-reported volume of alcohol drunk over the past 30 days, reported as the mean number of standard drinks per week over the past 30 days, measured at 6 months. Secondary outcomes will be number of heavy drinking days over the past 30 days, at 6 months. Additional outcomes will be maximum number of drinks on any day over the past 30 days, alcohol-related consequences (measured using the Short Inventory of Problems (SIP-2R), and academic performance. DISCUSSION: The aim of this trial is to close the evidence gap on the efficacy of smartphone-based secondary prevention interventions. If proven effective, smartphone-based interventions have the potential to reach a large portion of the population, completing what is available on the Internet. TRIAL REGISTRATION: ISRCTN, 10007691. Registered on 2 December 2019. Recruitment will start in April 2020.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».