Workshop on Implementation Science and Digital Therapeutics for Behavioral Health
Notice bibliographique
Résumé
Digital therapeutics can overcome many of the barriers to translation of evidence-based treatment for substance use, mental health, and other behavioral health conditions. Delivered via nearly ubiquitous platforms such as the web, smartphone applications, text messaging, and videoconferencing, digital therapeutics can transcend the time and geographic boundaries of traditional clinical settings so that individuals can access care when and where they need it. There is strong empirical support for digital therapeutic approaches for behavioral health, yet implementation science with regard to scaling use of digital therapeutics for behavioral health is still in its early stages. In this paper, we summarize the proceedings of a day-long workshop, "Implementation Science and Digital Therapeutics," sponsored and hosted by the Center for Technology and Behavioral Health at Dartmouth College. The Center for Technology and Behavioral Health is an interdisciplinary P30 Center of Excellence funded by the National Institute on Drug Abuse, with the mission of promoting state-of-the-technology and state-of-the-science for the development, evaluation, and sustainable implementation of digital therapeutic approaches for substance use and related conditions. Workshop presentations were grounded in current models of implementation science. Directions and opportunities for collaborative implementation science research to promote broad adoption of digital therapeutics for behavioral health are offered.
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 | 0,045 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,006 |
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 ».