MétaCan
Menu
Retour à la cohorte
Enregistrement W3047170733 · doi:10.12688/gatesopenres.13117.1

Utilizing passive sensing data to provide personalized psychological care in low-resource settings

2020· preprint· en· W3047170733 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGates Open Research · 2020
Typepreprint
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensCentre for Community Based Research
Organismes subventionnairesGeorge Washington UniversityBill and Melinda Gates Foundation
Mots-clésResource (disambiguation)Computer scienceHuman–computer interactionPsychologyComputer network

Résumé

récupéré en direct d'OpenAlex

<ns3:p> <ns3:bold>Background:</ns3:bold> With the growing ubiquity of smartphones and wearable devices, there is an increased potential of collecting passive sensing data in mobile health. Passive data such as physical activity, Global Positioning System (GPS), interpersonal proximity, and audio recordings can provide valuable insight into the lives of individuals. In mental health, these insights can illuminate behavioral patterns, creating exciting opportunities for mental health service providers and their clients to support pattern recognition and problem identification outside of formal sessions. In the Sensing Technologies for Maternal Depression Treatment in Low Resource Settings (StandStrong) project, our aim was to build an mHealth application to facilitate the delivery of psychological treatments by lay counselors caring for adolescent mothers with depression in Nepal. </ns3:p> <ns3:p> <ns3:bold>Methods:</ns3:bold> This paper describes the development of the StandStrong platform comprising the StandStrong Counselor application, and a cloud-based processing system, which can incorporate any tool that generates passive sensing data. We developed the StandStrong Counselor application that visualized passively collected GPS, proximity, and activity data. In the app, GPS data displays as heat maps, proximity data as charts showing the mother and child together or apart, and mothers’ activities as activity charts. Lay counselors can use the StandStrong application during counseling sessions to discuss mothers’ behavioral patterns and clinical progress over the course of a five-week counseling intervention. Awards based on collected data also can be automatically generated and sent to mothers. Additionally, messages can be sent from counselors to mother’s personal phones through the StandStrong platform. </ns3:p> <ns3:p> <ns3:bold>Discussion:</ns3:bold> The StandStrong platform has the potential to improve the quality and effectiveness of psychological services delivered by non-specialists in diverse global settings. </ns3:p>

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesScience ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0060,025
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,433
Tête enseignante GPT0,573
Écart entre enseignants0,140 · 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