AFFIRM Online: Utilising an Affirmative Cognitive–Behavioural Digital Intervention to Improve Mental Health, Access, and Engagement among LGBTQA+ Youth and Young Adults
Notice bibliographique
Résumé
Digital mental health interventions may enable access to care for LGBTQA+ youth and young adults that face significant threats to their wellbeing. This study describes the preliminary efficacy of AFFIRM Online, an eight-session manualised affirmative cognitive behavioural group intervention delivered synchronously. Participants (Mage = 21.17; SD = 4.52) had a range of sexual (e.g., queer, lesbian, pansexual) and gender (e.g., non-binary, transgender, cisgender woman) identities. Compared to a waitlist control (n = 50), AFFIRM Online participants (n = 46) experienced significantly reduced depression (b = −5.30, p = 0.005, d = 0.60) and improved appraisal of stress as a challenge (b = 0.51, p = 0.005, d = 0.60) and having the resources to meet those challenges (b = 0.27, p = 0.059, d = 0.39) as well active coping (b = 0.36, p = 0.012, d = 0.54), emotional support (b = 0.38, p = 0.017, d = 0.51), instrumental support (b = 0.58, p < 0.001, d = 0.77), positive framing (b = 0.34, p = 0.046, d = 0.42), and planning (b = 0.41, p = 0.024, d = 0.49). Participants reported high acceptability. This study highlights the potential of digital interventions to impact LGBTQA+ youth mental health and explores the feasibility of digital mental health to support access and engagement of youth with a range of identities and needs (e.g., pandemic, lack of transportation, rural locations). Findings have implications for the design and delivery of digital interventions for marginalised youth and young adults.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
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 ».