Examining a Digital Health Approach for Advancing Schizophrenia Illness Self-Management and Provider Engagement: Protocol for a Feasibility Trial
Notice bibliographique
Résumé
BACKGROUND: In schizophrenia spectrum populations, adherence to treatment is poor, community-based supports are limited, and efforts to foster illness self-management have had limited success. These challenges contribute to frequent, lengthy, and costly hospital readmissions and poor functional outcomes. Digital health strategies, in turn, hold considerable promise in the effort to address these problems. OBJECTIVE: This feasibility trial will examine a digital health platform called App4Independence (A4i), which was designed to enhance illness self-management and treatment engagement for individuals with schizophrenia. METHODS: Feasibility metrics in this single-blind, randomized trial include study recruitment and retention, rate of technology use, safety, and utility in clinical interactions. Other outcome metrics include symptomatology, treatment adherence, patient-provider alliance, and quality of life. In this trial, 160 study participants with schizophrenia spectrum diagnoses will be randomized to either treatment or control conditions, with pretest-posttest outcomes measured over a 6-month period. RESULTS: This study was funded by the Canadian Institutes of Health Research in January 2020 and received Institutional Review Board approval on August 13, 2020. This study plans to begin recruiting in January 2021 and will be completed within 3 years. Data collection is projected to begin in January 2021. CONCLUSIONS: This research will provide critical information for the development of this new technology in the larger effort to address a key problem in the schizophrenia field-how to leverage technology to enhance illness self-management and care engagement in resource-limited service contexts. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/24736.
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 | 0,062 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,114 | 0,022 |
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 ».