PROTOCOL: Mobile apps to reduce depressive symptoms and alcohol use in youth: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Background: Depressive symptoms and alcohol use in youth doubled in the first year of the COVID-19 pandemic. The COVID-19 pandemic has created sustained disruption in society, schools, and universities, including increasing poverty and discrimination. Public health restrictions have caused isolation and reduced social and emotional support. Together, these factors make depressive symptoms and alcohol use in youth a global public health emergency. Mobile applications (apps) have emerged as potentially scalable intervention to reduce depressive symptoms and alcohol use in youth that could meet increased demands for mental health resources. Mobile apps may potentially reduce psychological distress with accessible technology-based mental health resources. Objectives: This systematic review and meta-analysis aims to assess the effect of mobile apps on depressive symptoms and alcohol use in youth. Search Methods: We will develop a systematic search strategy in collaboration with an experienced librarian. We will search a series of databases (MEDLINE, Embase, PsycINFO, CINAHL, CENTRAL) from January 2008 to July 2021. Selection Criteria: Following the PRISMA reporting guidelines for systematic reviews, two independent reviewers will identify eligible studies: randomized controlled trials on mobile apps for the management of depressive disorders (depression and anxiety) and alcohol use in youth aged 15-24 years of age. Data Collection and Analysis: Eligible studies will be assessed for risk of bias, and outcomes pooled, when appropriate, for meta-analysis. Heterogeneity, if present, will be examined for gender. ethnicity, and socioeconomic status contributions. A narrative synthesis will highlight similarities and differences between the included studies. We will report GRADE summary of finding tables.
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 | 0,044 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,008 | 0,005 |
| Méta-épidémiologie (sens large) | 0,023 | 0,022 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,101 | 0,009 |
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 ».