Using ecological momentary assessment for patients with psychosis posthospitalization: Opportunities for mobilizing measurement-based care.
Notice bibliographique
Résumé
OBJECTIVE: Ecological momentary assessment (EMA) via mobile devices offers a promising approach for collecting real-time data from psychiatric patients, potentially as an augment to traditional measurement-based care strategies. This study examined whether EMA had added value in collecting clinically important data from recently hospitalized adults with psychosis, relative to traditional assessments. METHOD: In a sample of 24 adults with psychosis, EMA data regarding psychotic symptoms, affect, alcohol and drug use, functioning, quality of life, and social support were collected starting immediately posthospital discharge and extending for up to one month during their transition to outpatient care. EMA data were compared with traditional retrospective assessments of the same constructs, administered at a 1-month follow-up assessment. RESULTS: Data from EMA and traditional retrospective assessments were correlated with each other in most cases. However, in some cases, participants were more likely to report drug use, medication nonadherence, and psychotic symptoms via EMA compared with traditional retrospective assessments. CONCLUSIONS AND IMPLICATIONS FOR PRACTICE: Results suggest that the additional information obtained via frequent in-the-moment self-reports collected using smartphones can provide an expanded picture of individuals' symptomatic and functional experiences. Thus, monitoring patients' progress posthospitalization could be improved through the use of EMA. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 | 0,000 | 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 ».