Efficacy of the Mental Health App Intellect to Reduce Stress: Randomized Controlled Trial With a 1-Month Follow-up
Notice bibliographique
Résumé
Background Excessive stress is a major global health concern, particularly in young adults. Short skills-focused self-guided interventions (SGIs) on smartphones are a scalable way to improve stress-coping skills at the population level. Objective In this randomized controlled trial, we aimed to examine the possible efficacy of a recently developed stress-coping SGI (Intellect) in improving psychological distress, relative to an active control group and 2 potential moderators of this predicted relationship (ie, psychological mindedness [PM] and coping self-efficacy [CSE]). Methods University students (N=321) were randomly assigned to either an 8-day SGI on stress-coping or an active control group. Self-reported measures were obtained at baseline, after the intervention, and at the 1-month follow-up. The primary outcome was psychological stress (Psychological Stress Measure-9). Secondary outcomes were anxiety (Generalized Anxiety Disorder-7) and depressive symptoms (Patient Health Questionnaire-9). PM and CSE were assessed as potential moderators at baseline. Results The final sample (n=264) included 188 (71.2%) female, 66 (25%) male, 7 (2.7%) nonbinary, and 3 (1.1%) others participants with a mean age of 22.5 (SD 5.41) years. The intervention group reported significantly lower perceived stress (partial eta–squared [ηp2]=0.018; P=.03) and anxiety (ηp2=0.019; P=.03) levels after intervention relative to the active control group. The effects on perceived stress levels remained statistically significant at the 1-month follow-up (ηp2=0.015; P=.05). Students with the lowest CSE and highest PM experienced the fastest decline in perceived stress levels (β=6.37, 95% Cl 2.98-9.75). Improvements in anxiety levels were not observed at 1-month follow-up. Similarly, no intervention effects were found for depression levels at postintervention and follow-up periods. Conclusions This study provides evidence that the Intellect stress-coping SGI is effective in reducing perceived stress and anxiety levels among university students. Mobile health apps are brief, scalable, and can make important contributions to public mental health. Trial Registration ClinicalTrials.gov NCT04978896; https://www.clinicaltrials.gov/ct2/show/NCT04978896
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».