MétaCan
Menu
Retour à la cohorte
Enregistrement W3093329325 · doi:10.2196/21496

Smartphone App to Address Loneliness Among College Students: Pilot Randomized Controlled Trial

2020· article· en· W3093329325 sur OpenAlexvenueno aff
Emma Bruehlman-Senecal, Cayce J. Hook, Jennifer H. Pfeifer, Caroline Fitzgerald, Brittany Davis, Kevin Delucchi, Jana Haritatos, Danielle E. Ramo

Notice bibliographique

RevueJMIR Mental Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésLonelinessRandomized controlled trialPsychologyPsychological interventionMental healthClinical psychologyUCLA Loneliness ScaleMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Loneliness is a widespread and significant problem on college campuses. Prolonged loneliness in young adulthood is a risk factor for concurrent and future mental health problems and attrition, making college a critical time for support. Cognitive and behavioral interventions show promise for decreasing loneliness and can be widely disseminated through technology. OBJECTIVE: This pilot randomized controlled trial was conducted to examine the initial efficacy, feasibility, and desirability of a smartphone app, Nod, designed to deliver cognitive and behavioral skill-building exercises to reduce loneliness during the transition to college. METHODS: First-year college students (N=221, mean age 18.7 years, 59% female) were recruited online during incoming student orientation, and randomized to either receive immediate access to Nod (experimental group, n=100) or access after 4 weeks (control group, n=121). The app delivered skills via fully automated (1) "social challenges," suggested activities designed to build social connections; (2) reflections, brief cognitive reframing exercises; and (3) student testimonials that encouraged a growth mindset toward social connection building. Main intention-to-treat analyses were used to compare the conditions on self-assessed loneliness, depressive symptoms, and other mental health and college adjustment outcomes at week 4, controlling for baseline values on those variables. Analyses were also performed to test the hypothesis that the treatment benefits would be particularly pronounced for participants with heightened psychological vulnerability at baseline (ie, higher baseline depressive symptoms and loneliness). RESULTS: =-0.84, P=.40), suggesting that Nod buffered participants with high baseline depression scores from experiencing heightened midquarter loneliness. Similarly, there were no significant condition differences in other week-4 outcomes. However, moderation by baseline vulnerability was found for week-4 depressive symptoms, sleep quality, and indices of college adjustment (eg, perceived social support and campus belonging). CONCLUSIONS: Although Nod exposure did not impact outcomes for the full sample, these results provide initial evidence of its benefit for vulnerable students. The results of this trial suggest that cognitive and behavioral skills delivered via a mobile app can buffer psychologically vulnerable college students against heightened loneliness and depressive symptoms, as well as other negative college adjustment outcomes. Future work will aim to improve upon app engagement, and to address loneliness among other key populations. TRIAL REGISTRATION: ClinicalTrials.gov NCT04164654; https://clinicaltrials.gov/ct2/show/NCT04164654.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,425
Écart entre enseignants0,380 · 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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207