MétaCan
Menu
Retour à la cohorte
Enregistrement W4383098889 · doi:10.2196/45859

Development and Initial Evaluation of Web-Based Cognitive Behavioral Therapy for Insomnia in Rural Family Caregivers of People With Dementia (NiteCAPP): Mixed Methods Study

2023· article· en· W4383098889 sur OpenAlexvenueno aff
Christina S. McCrae, Ashley Curtis, Melanie Stearns, Neetu Nair, Mojgan Golzy, Joel I. Shenker, David Q. Beversdorf, Amelia Cottle, Meredeth A. Rowe

Notice bibliographique

RevueJMIR Aging · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Missouri
Mots-clésDementiaUsabilityPsychological interventionFamily caregiversIntervention (counseling)Focus groupMedicineCaregiver stressTelehealthHealth carePsychologyNursingTelemedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Informal caregivers of people with dementia frequently experience chronic insomnia, contributing to stress and poor health outcomes. Rural caregivers are particularly vulnerable but have limited access to cognitive behavioral therapy for insomnia (CBT-I), a recommended frontline treatment for chronic insomnia. Web-based delivery promises to improve insomnia, particularly for rural caregivers who have limited access to traditional in-person treatments. Our team translated an efficacious 4-session standard CBT-I content protocol into digital format to create NiteCAPP. OBJECTIVE: This study aimed to (1) adapt NiteCAPP for dementia caregivers to create NiteCAPP CARES, a tailored digital format with standard CBT-I content plus caregiver-focused modifications; (2) conduct usability testing and evaluate acceptability of NiteCAPP CARES' content and features; and (3) pilot-test the adapted intervention to evaluate feasibility and preliminary effects on sleep and related health outcomes. METHODS: We followed Medical Research Council recommendations for evaluating complex medical interventions to explore user needs and adapt and validate content using a stepwise approach: (1) a rural dementia caregiver (n=5) and primary care provider (n=5) advisory panel gave feedback that was used to adapt NiteCAPP; (2) caregiver (n=5) and primary care provider (n=7) focus groups reviewed the newly adapted NiteCAPP CARES and provided feedback that guided further adaptations; and (3) NiteCAPP CARES was pilot-tested in caregivers (n=5) for feasibility and to establish preliminary effects. Self-report usability measures were collected following intervention. Before and after treatment, 14 daily electronic sleep diaries and questionnaires were collected to evaluate arousal, health, mood, burden, subjective cognition, and interpersonal processes. RESULTS: The stepped approach provided user and expert feedback on satisfaction, usefulness, and content, resulting in a new digital CBT-I tailored for rural dementia caregivers: NiteCAPP CARES. The advisory panel recommended streamlining content, eliminating jargon, and including caregiver-focused content. Focus groups gave NiteCAPP CARES high usefulness ratings (mean score 4.4, SD 0.79, scored from 1=least to 5=most favorable; score range 4.2-4.8). Multiple features were evaluated positively, including the intervention's comprehensive and engaging information, caregiver focus, good layout, easy-to-access intervention material, and easy-to-understand sleep graphs. Suggestions for improvement included the provision of day and night viewing options, collapsible text, font size options, tabbed access to videos, and a glossary of terms. Pilot-test users rated usefulness (mean score 4.3, SD 0.83; range 4.1-4.5) and satisfaction (mean score 8.4, SD 1.41, scored from 1=least to 10=most satisfied; range 7.4-9.0) highly. Preliminary effects on caregiver sleep, arousal, health, mood, burden, cognition, and interpersonal processes (all P<.05) were promising. CONCLUSIONS: Adaptations made to standard digital CBT-I created a feasible, tailored digital intervention for rural dementia caregivers. Important next steps include further examination of feasibility and efficacy in a randomized controlled trial with an active control condition, a multisite effectiveness trial, and eventual broad dissemination. TRIAL REGISTRATION: ClinicalTrials.gov NCT04632628; https://clinicaltrials.gov/ct2/show/NCT04632628.

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 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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,513
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,062
Tête enseignante GPT0,431
Écart entre enseignants0,369 · 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'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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetSleep and related disordersTravaux en français237 207