MétaCan
Menu
Retour à la cohorte
Enregistrement W3122365426 · doi:10.2196/24424

Developing an Adaptive Mobile Intervention to Address Risky Substance Use Among Adolescents and Emerging Adults: Usability Study

2021· article· en· W3122365426 sur OpenAlexvenueno aff
Lara N. Coughlin, Inbal Nahum‐Shani, Meredith L. Philyaw-Kotov, Erin E. Bonar, Mashfiqui Rabbi, Predrag Klasnja, Susan A. Murphy, Maureen A. Walton

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseNational Center for Advancing Translational SciencesNational Institute on Alcohol Abuse and AlcoholismMichigan Institute for Clinical and Health Research
Mots-clésmHealthPsychological interventionMedicineeHealthUsabilityIntervention (counseling)Public healthPsychologyPsychiatryHealth careNursingComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Substance use among adolescents and emerging adults continues to be an important public health problem associated with morbidity and mortality. Mobile health (mHealth) provides a promising approach to deliver just-in-time adaptive interventions (JITAIs) to prevent escalation of use and substance use-related consequences. OBJECTIVE: This pilot study aims to describe the iterative development and initial feasibility and acceptability testing of an mHealth smartphone app, called MiSARA, designed to reduce escalation in substance use. METHODS: We used social media advertisements to recruit youth (n=39; aged 16-24 years, who screened positive for past-month binge drinking or recreational cannabis use) with a waiver of parental consent. Participants used the MiSARA app for 30 days, with feasibility and acceptability data reported at a 1-month follow-up. We present descriptive data regarding behavior changes over time. RESULTS: The results show that most participants (31/39, 79%) somewhat liked the app at least, with most (29/39, 74%) rating MiSARA as 3 or more stars (out of 5). Almost all participants were comfortable with self-reporting sensitive information within the app (36/39, 92%); however, most participants also desired more interactivity (27/39, 69%). In addition, participants' substance use declined over time, and those reporting using the app more often reported less substance use at the 1-month follow-up than those who reported using the app less often. CONCLUSIONS: The findings suggest that the MiSARA app is a promising platform for JITAI delivery, with future trials needed to optimize the timing and dose of messages and determine efficacy.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,098
Tête enseignante GPT0,450
Écart entre enseignants0,352 · 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'étudeObservationnel
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

Citations60
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetDigital Mental Health InterventionsTravaux en français237 207