MétaCan
Menu
Retour à la cohorte
Enregistrement W3156813660 · doi:10.2196/28055

Multimodule Web-Based COVID-19 Anxiety and Stress Resilience Training (COAST): Single-Cohort Feasibility Study With First Responders

2021· article· en· W3156813660 sur OpenAlexvenueno aff
Janna Marie Heyen, Noé Weigl, Mario Müller, Stefan Müller, Urs Eberle, Andrei Manoliu, Stefan Vetter, Adam D. Brown, Thomas Berger, Birgit Kleim

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésCoronavirus disease 2019 (COVID-19)AnxietyResilience (materials science)Psychological resilienceStress (linguistics)Cohort2019-20 coronavirus outbreakPsychologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PandemicMedicineClinical psychologyInternal medicineVirologyPsychiatryPsychotherapistMaterials scienceOutbreak

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Since the emergence of COVID-19, health care workers and first responders have been at a high risk for mental health symptoms owing to their exposure to the virus and increased work stress during the pandemic. Although interventions exist to address mental health issues following exposure to disasters, emergencies, and humanitarian crises, considerably less is known about web-based unguided interventions to help mitigate the negative impacts of such events. Additionally, in contexts in which emergencies reduce access to in-person care, remote forms of support are critical, yet there are limited studies on the use of such interventions. Evidence-based, easy-to-use, scalable interventions are direly needed for this population. OBJECTIVE: This study aimed to develop and test the feasibility of an unguided electronic mental health program, COVID-19 Anxiety and Stress Resilience Training (COAST), tailored to first responders and health care personnel, based on scientific evidence and empirically based techniques. METHODS: We developed COVID-19-specific training modules focusing on several domains that are previously reported as key to resilience and stress recovery: self-efficacy, mindfulness, sleep quality, and positive thinking. The program was made available to 702 first responders between May and August 2020, during the COVID-19 pandemic. Sociodemographic, work-, and COVID-19-related information was collected, and psychometric questionnaires were completed. We examined user acceptance and user activity, including module choice and participant feedback. RESULTS: In total, 52 of 702 (7%) first responders to whom we reached out used the program at least once. COAST use was independent of age, sex, or baseline levels of self-efficacy, mindful awareness, sleep quality, and positive thinking (for all, P>.39). First responders who had tested positive and those who had been quarantined were more likely to engage in the program. A click count analysis per module showed that participants used the self-efficacy and mindfulness modules most often, with 382 and 122 clicks, respectively, over 15 weeks. Overall, first responders expressed satisfaction with the program. CONCLUSIONS: Engagement of first responders in the multimodule web-based COAST program was feasible and the first responder cohort expressed overall satisfaction with the program. Those in more difficult circumstances, including those in quarantine and those who tested positive, may be more likely to engage in such programs. Further controlled studies could pave the way for efficacy studies and the development of additional modules, including just-in-time interventions or blended interventions combining individual use of an unguided self-help intervention, such as COAST, with subsequent individual psychotherapy for those who continue to experience stress and psychological symptoms.

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)0,007
score de la tête « metaresearch » (Gemma)0,006
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 non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,212
Tête enseignante GPT0,499
Écart entre enseignants0,287 · 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 non 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetCOVID-19 and Mental HealthTravaux en français237 207