Text4Support Mobile-Based Programming for Individuals Accessing Addictions and Mental Health Services—Retroactive Program Analysis at Baseline, 12 Weeks, and 6 Months
Notice bibliographique
Résumé
Objective: Where traditional approaches fall short, widely accessible and accepted, yet under leveraged, digital technologies such as text messaging present novel opportunities to solve a range of health care solutions. The following provides a preliminary analysis of the Text4Support program, a text-messaging intervention using the principles of cognitive behavioral therapy, which seeks to support the health and well-being of individuals seeking support for addiction or mental health concerns. The goal of this study was to assess whether the Text4Support program improved the perceived overall mental well-being of participants. Methods: The evaluation analyzes survey responses of individuals who were enrolled in the Text4Support program beginning in July 2019, who had completed the 6-months program by May 2020. Participants were asked to provide responses to three surveys during their time in the program—at baseline, 12-weeks and 6-months, which included questions documenting demographic information, general satisfaction with the program, and a participants' level of “global distress” through use of the Clinical Outcomes Routine Evaluation System (CORE-10)—a validated brief 10-item assessment and outcome measurement tool used to assess conditions including anxiety, depression, physical problems, and risk to self. Results and Conclusions: This data set did not include a large enough sample of participants to reach statistical significance. Nevertheless, the study provides some preliminary analysis, and identifies opportunities for the future analysis and research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».