MétaCan
Menu
Retour à la cohorte
Enregistrement W4390117412 · doi:10.2196/52968

The Real-World Impact of App-Based Mindfulness on Headspace Members With Moderate and Severe Perceived Stress: Observational Study

2023· article· en· W4390117412 sur OpenAlexvenueno aff
Christine E. Callahan, Justin M. Kimber, Emily Hu, Leah Tanner, Sarah Kunkle

Notice bibliographique

RevueJMIR mhealth and uhealth · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnxietyPsychological interventionPerceived Stress ScaleMental healthMindfulnessObservational studyMedicineClinical psychologyDepression (economics)DASSPsychologyStress (linguistics)PsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Perceived stress in the United States has drastically increased since the COVID-19 pandemic and is associated with negative mental health outcomes such as depression and anxiety. Digital mental health (DMH) interventions are efficacious tools to address negative mental health outcomes and have helped reduce the severity of psychological symptoms, such as anxiety, depression, and perceived stress, compared to waitlist controls. Although DMH tools have been studied in controlled settings, less is known about the real-world evidence of such interventions. Objective: This study aimed to (1) characterize patterns in baseline perceived stress and changes in perceived stress among Headspace members with moderate and severe baseline perceived stress and (2) examine associations between engagement with Headspace content and changes in perceived stress (ie, evaluate whether there is a dose-response relationship). Methods: We evaluated real-world perceived stress and engagement data at 2 time points among Headspace app members with baseline moderate and severe perceived stress. Perceived stress was measured using the Perceived Stress Scale (PSS-10) and engagement using active days and active minutes engaged with Headspace as well as the number of user sessions. Descriptive statistics were computed for all variables. Correlations between baseline and follow-up scores, percent change in PSS-10 scores, days between PSS-10 use, active days, active days per week, active minutes, active minutes per day, sessions, and sessions per week were evaluated. We used t tests to investigate differences in the abovementioned parameters between (1) participants who did and those who did not see improvements in PSS-10 scores (yes vs no improvement) and (2) participants who saw ≥30% improvement versus those who saw a <30% improvement in PSS-10 scores. Results: Overall, 21,088 Headspace members were included in these analyses. On average, members saw a 23.52% decrease in PSS-10 scores from baseline to follow-up. On average, members had 2.42 (SD 1.76) active days per week and 25.89 (SD 33.40) active minutes per day, and completed 7.11 (SD 8.34) sessions per week. t tests suggest that members who saw improvements in PSS-10 scores from baseline to follow-up had significantly higher baseline PSS-10 scores (Cohen d=0.56), more active days per week (Cohen d=0.33), and more sessions per week (Cohen d=0.27) than those who did not see improvements in PSS-10 scores (all P<.001). Additional t tests suggest that members with ≥30% improvement in PSS-10 scores had significantly higher baseline PSS-10 scores (Cohen d=0.35), more active days per week (Cohen d=0.36), and more sessions per week (Cohen d=0.31) than those with a >30% improvement (all P<.001). Conclusions: Real-world use of Headspace is associated with decreased perceived stress. Furthermore, data suggest that more engagement, specifically weekly active days and sessions, is associated with a greater likelihood of stress reduction.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
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 Opus0,136
Tête enseignante GPT0,467
Écart entre enseignants0,331 · 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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetDigital Mental Health InterventionsTravaux en français237 207