A targeted strategic peer support intervention to increase adherence to video teletherapy exposure and response prevention treatment for obsessive-compulsive disorder: a retrospective observational analysis
Notice bibliographique
Résumé
Exposure and response prevention (ERP) therapy, a form of cognitive-behavioral therapy, is a first-line, evidence-based treatment for obsessive-compulsive disorder (OCD) for adults and children. It is effective for the majority of those who engage in it, but treatment adherence can be challenging for some due to the stress involved in the treatment as well as different life circumstances that arise. To help improve treatment adherence, NOCD, a provider of video teletherapy ERP, identifies those at risk of non-adherence using a prediction algorithm trained on a data set of N = 13,809 and provides targeted peer support interventions by individuals (“Member Advocates”) who successfully completed ERP treatment for OCD. Member Advocates, using lived OCD experience as well as experience with ERP, engage at-risk patients through digital messaging to engage, educate, and encourage patients in the early stages of treatment. From June 2022 to August 2022, N = 815 patients deemed at risk were reached out to and n = 251 responded and engaged with the Member Advocates. In the at-risk patients who engaged, the intervention resulted in a significant mean 30.4% more therapy hours completed compared to those who did not engage. Additionally, engaged patients had greater reductions in OCD severity. These results have implications for how data science, digital interventions, and strategic peer-to-peer communication and support can be combined to enhance the effectiveness of treatment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| 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 ».