MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390760012 · doi:10.2196/49317

HealthySMS Text Messaging System Adjunct to Adolescent Group Cognitive Behavioral Therapy in the Context of COVID-19 (Let’s Text!): Pilot Feasibility and Acceptability Study

2024· article· en· W4390760012 sur OpenAlexvenueno aff
Lauren M. Haack, Courtney C. Armstrong, Kate Travis, Adrián Aguilera, Sabrina M. Darrow

Notice bibliographique

RevueJMIR Mental Health · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionContext (archaeology)AttendanceMoodPsychologyCognitive behavioral therapyDistressIntervention (counseling)MedicinemHealthClinical psychologyAnxietyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The widespread occurrence and devastating impact of adolescent depression warrant health service research focused on feasible and acceptable digital health tools to supplement evidence-based intervention (EBI) efforts, particularly in the context of shelter-in-place guidelines disrupting youth socialization and service use in the wake of the COVID-19 pandemic. Given the promise of SMS text message interventions to enhance EBI engagement, our team developed the HealthySMS system as an adjunct to one of the most empirically supported interventions for adolescent depression: cognitive behavioral therapy (CBT) group services. The system sends daily SMS text messages requesting responses assessing mood, thoughts, and activities; weekly attendance reminder messages; daily tips about adherence (eg, a prompt for activity completion); and personalized responses based on participants' texts. OBJECTIVE: This study aims to evaluate the feasibility and acceptability of HealthySMS in a real-world setting and explore potential mechanisms of change in EBI engagement, before evaluating the system's impact on adolescents' group CBT engagement and, ultimately, depression outcomes. METHODS: Over the course of 2020, we invited all 20 adolescents receiving CBT group services for depression at an outpatient psychiatry clinic to enroll in our HealthySMS study; ultimately, 17 (85%) adolescents agreed to participate. We tracked participant initiation and engagement with the HealthySMS system as well as the content of SMS text message responses to HealthySMS. We also invited each participant to engage in a semistructured interview to gather additional qualitative inputs on the system. RESULTS: All (n=17, 100%) research participants invited agreed to receive HealthySMS messages, and 94% (16/17) of the participants maintained use during the first month without opting out. We uncovered meaningful qualitative themes regarding the feasibility and acceptability of HealthySMS, as well as its potential impact on EBI engagement. CONCLUSIONS: Taken together, the results of this pilot study suggest that HealthySMS adjunct to adolescent CBT group depression services is feasible and acceptable, as evidenced by high rates of HealthySMS initiation and low rates of dropout, as well as meaningful themes uncovered from participants' qualitative feedback. In addition, the findings provide evidence regarding iterative improvements to the HealthySMS system and research protocol, as well as potential mechanisms of change for enhanced EBI engagement and, ultimately, adolescent depression outcomes, which can be used in future effectiveness research.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
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 seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,488
Écart entre enseignants0,352 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental Health→Même sujetDigital Mental Health Interventions→Travaux en français237 207→