MétaCan
Menu
Retour à la cohorte
Enregistrement W4280573135 · doi:10.1016/s2215-0366(22)00103-1

The EMPOWER blended digital intervention for relapse prevention in schizophrenia: a feasibility cluster randomised controlled trial in Scotland and Australia

2022· article· en· W4280573135 sur OpenAlexaff
Andrew Gumley, Simon Bradstreet, John Ainsworth, Stephanie Allan, Mario Álvarez‐Jiménez, Lorna Aucott, Max Birchwood, Andrew Briggs, Sandra Bucci, Sue Cotton, Lidia Engel, Paul French, Reeva Lederman, Shôn Lewis, Matthew Machin, Graeme MacLennan, Hamish J. McLeod, Nicola McMeekin, Emma Morton, John Norrie, Matthias Schwannauer, Swaran P. Singh, Suresh Sundram, Andrew Thompson, Chris Williams, Alison R. Yung, John Farhall, John Gleeson

Notice bibliographique

RevueThe Lancet Psychiatry · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Health and Medical Research CouncilAustralian Research CouncilMedical Research CouncilHealth Technology Assessment ProgrammeEconomic and Social Research CouncilUniversity of MelbourneChief Scientist OfficeUniversity of GlasgowDepartment of Health and Social CareAlan Turing InstituteScottish GovernmentEngineering and Physical Sciences Research CouncilNational Institute for Health and Care ResearchNHS Health Scotland
Mots-clésMedicineRandomized controlled trialCluster randomised controlled trialIntervention (counseling)TriageRelapse preventionMental healthPsychiatryFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,047
Tête enseignante GPT0,390
Écart entre enseignants0,343 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai 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

Citations72
Publié2022
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Lancet PsychiatryMême sujetDigital Mental Health InterventionsTravaux en français237 207