MétaCan
Menu
Retour à la cohorte
Enregistrement W4388973500 · doi:10.3389/fdgth.2023.1265120

Building resilience through daily smartphone app use: results of a pilot study of the JoyPop app with social work students

2023· article· en· W4388973500 sur OpenAlexafffund
Katherine Maurer, Mert Kimyaci, Katy Konyk, Christine Wekerle

Notice bibliographique

RevueFrontiers in Digital Health · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensMcMaster UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchLakehead UniversityMcGill University
Mots-clésPsychological interventionAffect (linguistics)GeePsychologyGeneralized estimating equationStressorSocial supportPsychological resilienceNeurocognitiveSocial cognitive theoryClinical psychologyGerontologyDevelopmental psychologyCognitionMedicinePsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

Background The JoyPop™ smartphone app is a digital intervention designed to enhance day-to-day resilience in youth, particularly those exposed to traumatogenic events [adverse childhood experiences (ACEs)]. Processes of adaptation that foster resilience in response to high stress include affect, cognitive, and behavioral regulation, and social interaction. Digital interventions have application for youth and those who provide them support, including social work trainees navigating the stressors of university studies concurrent with practice internships. Research on resilience-enhancing apps is needed to understand the underlying mechanisms by which change occurs and who is most likely to benefit from these interventions. Methods Social work student participants (N = 91) were invited to use the JoyPop app two times daily for 28 days. Baseline ACE exposure and change-over-time in affect regulation, stress responsivity, and social support were evaluated after 2 and 4 weeks of app use witht-tests and generalized estimating equation (GEE) modeling. Results Participants identified predominantly as cisgender women of European descent, mean age 26 years (SD = 6.78), 70% undergraduates, and reported consistent daily app use (Mean days = 26.9, SD = 1.90). Self-reported baseline ACE exposure was high (30% ≥ 5+). We tested change-over-time with generalized estimating equation and saw improvement in affect regulation in the Abbreviated Dysregulation Inventory scale (β = −3.38,p = <.001), and subscales of behavioral (β = −1.63,p = <.001), affect (β = −3.24,p = <.001), and cognitive regulation (β = 1.50,p = .009). Perceived stress decreased with app use (β = −2.65,p = <.001) and even more so for participants with reported exposure to more than 4 ACEs (β = −3.786,p = .030). Conclusions The exploratory findings from our pilot study suggest that consistent use of the app may enhance multidimensional resilience amongst university students who self-report higher than average levels of baseline traumatogenic exposures. Our findings support an approach modeling resilience as a complex, dynamic, multicomponent process supported by resources within and between individuals. Further testing of the mechanisms of adaptation in response to high stress that enhance resilience and identification of the JoyPop™ app features that influence this change is needed to validate that daily app use could help youth with experiences of past and current high stress to better regulate their affect, reduce stress reactivity, and increase resilience.

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 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)0,006
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,055
Tête enseignante GPT0,390
Écart entre enseignants0,335 · 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 source (Gemma direct ou Codex distillé), 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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Digital HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207