MétaCan
Menu
Retour à la cohorte
Enregistrement W3114890280 · doi:10.2196/23022

Using a Tablet-Based App to Deliver Evidence-Based Practices for Suicidal Patients in the Emergency Department: Pilot Randomized Controlled Trial

2020· article· en· W3114890280 sur OpenAlexvenueno aff
Linda A. Dimeff, David A. Jobes, Kelly Koerner, Nadia Kako, Topher Jerome, Angela Kelley-Brimer, Edwin D. Boudreaux, Blair Beadnell, Paul Goering, Suzanne Witterholt, Gabrielle J. Melin, Vicki Samike, Kathryn M. Schak

Notice bibliographique

RevueJMIR Mental Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental Health
Mots-clésEmergency departmentRandomized controlled trialMedicineMedical emergencyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Emergency departments (EDs) have the potential to provide evidence-based practices for suicide prevention to patients who are acutely suicidal. However, few EDs have adequate time and personnel resources to deliver recommended evidence-based assessment and interventions. To raise the clinical standard of care for patients who are suicidal and seeking psychiatric crisis services in the ED, we developed Jaspr Health, a tablet-based app for direct use by such patients, which enables the delivery of 4 evidence-based practices. OBJECTIVE: This study aims to evaluate the feasibility, acceptability, and effectiveness of Jaspr Health among suicidal adults in EDs. METHODS: Patients who were acutely suicidal and seeking psychiatric crisis services participated in an unblinded pilot randomized controlled trial while in the ED. Participants were randomly assigned to Jaspr Health (n=14) or care as usual (control; n=17) groups. Participants were assessed at baseline, and a 2-hour posttest using self-report measures and a semistructured interview were conducted. RESULTS: Conditions differed significantly at baseline with regard to age but not other demographic variables or baseline measures. On average, participants had been in the ED for 17 hours before enrolling in the study. Over their lifetime, 84% (26/31) of the sample had made a suicide attempt (mean 3.4, SD 6.4) and 61% (19/31) had engaged in nonsuicidal self-injurious behaviors, with an average rate of 8.8 times in the past 3 months. All established feasibility and acceptability criteria were met: no adverse events occurred, participants' app use was high, Jaspr Health app user satisfaction ratings were high, and all participants using Jaspr Health recommended its use for other suicidal ED patients. Comparisons between study conditions provide preliminary support for the effectiveness of the app: participants using Jaspr Health reported a statistically significant increase in receiving 4 evidence-based suicide prevention interventions and overall satisfaction ratings with their ED experience. In addition, significant decreases in distress and agitation, along with significant increases in learning to cope more effectively with current and future suicidal thoughts, were observed among participants using Jaspr Health compared with those receiving care as usual. CONCLUSIONS: Even with limited statistical power, the results showed that Jaspr Health is feasible, acceptable, and clinically effective for use by ED patients who are acutely suicidal and seeking ED-based psychiatric crisis services. TRIAL REGISTRATION: ClinicalTrials.gov NCT03584386; https://clinicaltrials.gov/ct2/show/NCT03584386.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,161
Tête enseignante GPT0,440
Écart entre enseignants0,279 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetSuicide and Self-Harm StudiesTravaux en français237 207