Identifying and Categorizing Adverse Events in Trials of Digital Mental Health Interventions: Narrative Scoping Review of Trials in the International Standard Randomized Controlled Trial Number Registry
Notice bibliographique
Résumé
BACKGROUND: To contextualize the benefits of an intervention, it is important that adverse events (AEs) are reported. This is potentially difficult in trials of digital mental health interventions, where delivery may be remote and the mechanisms of actions less understood. OBJECTIVE: We aimed to explore the reporting of AEs in randomized controlled trials of digital mental health interventions. METHODS: The International Standard Randomized Controlled Trial Number database was searched for trials registered before May 2022. Using advanced search filters, we identified 2546 trials in the category of mental and behavioral disorders. These trials were independently reviewed by 2 researchers against the eligibility criteria. Trials were included where digital mental health interventions for participants with a mental health disorder were evaluated through a completed randomized controlled trial (protocol and primary results publication published). Published protocols and primary results publications were then retrieved. Data were extracted independently by 3 researchers, with discussion to reach consensus when required. RESULTS: Twenty-three trials met the eligibility criteria, of which 16 (69%) included a statement on AEs within a publication, but only 6 (26%) reported AEs within their primary results publication. Seriousness was referred to by 6 trials, relatedness by 4, and expectedness by 2. More interventions delivered with human support (9/11, 82%) than those with only remote or no support (6/12, 50%) included a statement on AEs, but they did not report more AEs. Several reasons for participant dropout were identified by trials that did not report AEs, of which some were identifiable or related to AEs, including serious AEs. CONCLUSIONS: There is significant variation in the reporting of AEs in trials of digital mental health interventions. This variation may reflect limited reporting processes and difficulty recognizing AEs related to digital mental health interventions. There is a need to develop guidelines specifically for these trials to improve future reporting.
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 | 0,228 | 0,566 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,015 |
| Bibliométrie | 0,031 | 0,025 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».