MétaCan
Menu
← Retour à la cohorte
Enregistrement W3196141479 · doi:10.2196/30580

A Text Message Intervention for Adolescents With Depression and Their Parents or Caregivers to Overcome Cognitive Barriers to Mental Health Treatment Initiation: Focus Groups and Pilot Trial

2021· article· en· W3196141479 sur OpenAlexvenueno aff
Brian Suffoletto, Tina R. Goldstein, David A. Brent

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental HealthNational Institutes of Health
Mots-clésMental healthUsabilityReferralIntervention (counseling)Focus groupDepression (economics)Psychological interventionPsychologyMedicineClinical psychologyPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many adolescents with depression do not pursue mental health treatment following a health care provider referral. We developed a theory-based automated SMS text message intervention (Text to Connect [T2C]) that attempts to reduce cognitive barriers to the initiation of mental health care. OBJECTIVE: In this two-phase study, we seek to first understand the potential of T2C and then test its engagement, usability, and potential efficacy among adolescents with depression and their parents or caregivers. METHODS: In phase 1, we conducted focus groups with adolescents with depression (n=9) and their parents or caregivers (n=9) separately, and transcripts were examined to determine themes. In phase 2, we conducted an open trial of T2C comprising adolescents with depression referred to mental health care (n=43) and their parents or caregivers (n=28). We assessed usability by examining program engagement, usability ratings, and qualitative feedback at the 4-week follow-up. We also assessed potential effectiveness by examining changes in perceived barriers to treatment and mental health care initiation from baseline to 4 weeks. RESULTS: In phase 1, we found that the themes supported the T2C approach. In phase 2, we observed high engagement with daily negative affect check-ins, high usability ratings, and decreased self-reported barriers to mental health treatment over time among adolescents. Overall, 52% (22/42) of the adolescents who completed follow-up reported that they had attended an appointment with a mental health care specialist. Of the 20 adolescents who had not attended a mental health care appointment, 5% (1/20) reported that it was scheduled for a future date, 10% (2/20) reported that the primary care site did not have the ability to help them schedule a mental health care appointment, and 15% (3/20) reported that they were no longer interested in receiving mental health care. CONCLUSIONS: The findings from this study suggest that T2C is acceptable to adolescents with depression and most parents or caregivers; it is used at high rates; and it may be helpful to reduce cognitive barriers to mental health care initiation.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,100
Tête enseignante GPT0,473
Écart entre enseignants0,372 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetDigital Mental Health Interventions→Travaux en français237 207→