Assessing the Mental Health of Emerging Adults Through a Mental Health App: Protocol for a Prospective Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Individuals can experience different manifestations of the same psychological disorder. This underscores the need for a personalized model approach in the study of psychopathology. Emerging adulthood is a developmental phase wherein individuals are especially vulnerable to psychopathology. Given their exposure to repeated stressors and disruptions in routine, the emerging adult population is worthy of investigation. OBJECTIVE: In our prospective study, we aim to conduct multimodal assessments to determine the feasibility of an individualized approach for understanding the contextual factors of changes in daily affect, sleep, physiology, and activity. In other words, we aim to use event mining to predict changes in mental health. METHODS: We expect to have a final sample size of 20 participants. Recruited participants will be monitored for a period of time (ie, between 3 and 12 months). Participants will download the Personicle app on their smartphone to track their activities (eg, home events and cycling). They will also be given wearable sensor devices (ie, devices that monitor sleep, physiology, and physical activity), which are to be worn continuously. Participants will be asked to report on their daily moods and provide open-ended text responses on a weekly basis. Participants will be given a battery of questionnaires every 3 months. RESULTS: Our study has been approved by an institutional review board. The study is currently in the data collection phase. Due to the COVID-19 pandemic, the study was adjusted to allow for remote data collection and COVID-19-related stress assessments. CONCLUSIONS: Our study will help advance research on individualized approaches to understanding health and well-being through multimodal systems. Our study will also demonstrate the benefit of using individualized approaches to study interrelations among stress, social relationships, technology, and mental health. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/25775.
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 | 0,033 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,013 |
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 ».