The Use of Sensors to Detect Anxiety for In-the-Moment Intervention: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: With anxiety a growing issue and barriers to accessing support services, there is a need for innovative solutions to provide early intervention. In-the-moment interventions support individuals to recognize early signs of distress and use coping mechanisms to prevent or manage this distress. There is potential for wearable sensors linked to an individual's mobile phone to provide in-the-moment support tailored to individual needs and physiological responses. OBJECTIVE: The aim of this scoping review is to examine the role of sensors in detecting the physiological signs of anxiety to initiate and direct interventions for its management. METHODS: Relevant studies were identified through searches conducted in Embase, MEDLINE, APA PsycINFO, ProQuest, and Scopus. Studies were identified if they were conducted with people with stress or anxiety or at risk of anxiety and included a wearable sensor providing real-time data for in-the-moment management of anxiety. RESULTS: Of the 1087 studies identified, 11 studies were included in the review, including 5 randomized controlled trials and 6 pilot or pretesting studies. The results showed that most studies successfully demonstrated improvements in their target variables. This included overall anxiety and stress levels, and the implementation of in-the-moment stress and anxiety management techniques such as diaphragmatic breathing. There was wide variation in the types of sensors used, physiological measures, and sensor-linked interventions. CONCLUSIONS: This review indicates that sensors are potentially a useful tool in detecting anxiety and facilitating the implementation of a known control mechanism to reduce anxiety and improve mood, but further work is needed to understand the acceptability and effectiveness of this type of intervention.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».