MétaCan
Menu
← Retour à la cohorte
Enregistrement W4322733718 · doi:10.2196/preprints.40440

Effects of Text4Hope-Addiction Support Program on Cravings and Mental Health Symptoms: Results of a Longitudinal Cross-sectional Study (Preprint)

2022· preprint· en· W4322733718 sur OpenAlexaff
Gloria Obuobi-Donkor, Reham Shalaby, Wesley Vuong, Belinda Agyapong, Marianne Hrabok, April Gusnowski, Shireen Surood, Andrew J. Greenshaw, Vincent I. O. Agyapong

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensAlberta Health ServicesUniversity of CalgaryUniversity of AlbertaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAddictionAnxietyMental healthCravingPsychiatryMedicinePatient Health QuestionnaireClinical psychologyPsychologyLikert scaleDepressive symptoms

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Drug misuse is complex, and various treatment modalities are emerging. Providing supportive text messages to individuals with substance use disorder offers the prospect of managing and improving symptoms of drug misuse and associated comorbidities. OBJECTIVE This study evaluated the impact of the daily supportive text message program (Text4Hope-Addiction Support) in mitigating cravings and mental health symptoms in subscribers and quantify user satisfaction with the Text4Hope-Addiction Support program. METHODS Subscribers to the Text4Hope-Addiction Support program received daily supportive text messages for 3 months; the messages were crafted based on addiction counseling and cognitive behavioral therapy principles. Participants completed an anonymous web-based questionnaire to assess cravings, anxiety, and depressive symptoms using the Brief Substance Craving Scale (BSCS), Generalized Anxiety Disorder-7 (GAD-7) scale, and Patient Health Questionnaire-9 (PHQ-9) scale at enrollment (baseline), after 6 weeks, and after 3 months. Likert scale satisfaction responses were used to assess various aspects of the Text4Hope-Addiction program. RESULTS In total, 408 people subscribed to the program, and 110 of 408 (26.9%) subscribers completed the surveys at least at one time point. There were significant differences between the mean baseline and 3-month BSCS scores P=.01 (−2.17, 95% CI –0.62 to 3.72), PHQ-9 scores, P=.004 (−5.08, 95% CI −1.65 to −8.51), and GAD-7 scores, P=.02 (−3.02, 95% CI −0.48 to −5.56). Participants who received the supportive text messages reported a reduced desire to use drugs and a longer time interval between substance use, which are reflected in 41.1% and 32.5% decrease, respectively, from baseline score. Approximately 89% (23/26) of the participants agreed that Text4Hope-Addiction program helped them cope with addiction-related stress, and 81% (21/25) of the participants reported that the messages assisted them in dealing with anxiety. Overall, 69% (18/26) of the participants agreed that it helped them cope with depression related to addiction; 85% (22/26) of the participants felt connected to a support system; 77% (20/26) of the participants were hopeful of their ability to manage addiction issues; and 73% (19/26) of the participants felt that their overall mental well-being was improved. Most of the participants agreed that the interventions were always positive and affirmative (19/26, 73%), and succinct (17/26, 65%). Furthermore, 88% (21/24) of the participants always read the messages; 83% (20/24) of the participants took positive or beneficial actions after reading; and no participant took a negative action after reading the messages. In addition, most participants agreed to recommend other diverse technology-based services as an adjunctive treatment for their mental and physical health disorders. CONCLUSIONS Subscribers of Text4Hope-Addiction Support program experienced improved mental health and addiction symptoms. Addiction care practitioners and policy makers can implement supportive text-based strategies to complement conventional treatments for addiction, given that mobile devices are widely used.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,428
Écart entre enseignants0,395 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Mental Health Interventions→Travaux en français237 207→