MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392805868 · doi:10.2196/53555

Characteristics of Users of a Digital Hypnotherapy Intervention for Hot Flashes: Retrospective Study

2024· article· en· W4392805868 sur OpenAlexvenueno aff
Morgan Snyder, Gary Elkins

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMenopause: Health Impacts and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHot flashAnxietyQuality of life (healthcare)Intervention (counseling)PsychologyDepression (economics)MedicineClinical psychologyPsychiatryPsychotherapistInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hot flashes are associated with a lower quality of life and sleep disturbances. Given the many consequences of hot flashes, it is important to find treatments to reduce them. Hypnotherapy, the use of hypnosis for a medical disorder or concern, has been shown in clinical trials to be effective in reducing hot flashes, but it is not routinely used in clinical practice. One solution to close this implementation gap is to administer hypnotherapy for hot flashes via a smartphone app. Evia is a smartphone app that delivers hypnotherapy for hot flashes. Evia has made hypnotherapy more widely accessible for women who are experiencing hot flashes; however, the app has yet to undergo empirical testing. Additionally, research on user characteristics is lacking. OBJECTIVE: This study aims to (1) determine the average age, stage of menopause, and length of menopause symptoms for users of the Evia app; (2) determine the characteristics of hot flashes and night sweats for users of the Evia app; (3) determine the self-reported sleep quality of users of the Evia app; (4) determine the self-reported mental health of users of the Evia app; and (5) determine the relationship between hot flash frequency and anxiety and depression for users of the Evia app. METHODS: This study analyzed data collected from participants who have downloaded the Evia app. Data were collected at 1 time point from a self-report questionnaire that assessed the demographic and clinical characteristics of users. The questionnaire was given to users when they downloaded the Evia app. Users of the Evia app fill out a questionnaire upon enrolling in the program and prior to beginning the intervention. This included 9764 users. RESULTS: Results showed that the mean age of users was 49.31 years. A total of 41.6% (1942/4665) of users reported experiencing 5 or more hot flashes per day, while 51.2% (1473/2877) of users reported having difficulty falling asleep each night and 47.7% (1253/2626) of users reported their sleep quality to be terrible. In addition, 38.4% (1104/2877) of users reported that they often feel anxious or depressed. There was a small, significant, and negative correlation between hot flash frequency and self-report frequency of anxiety and depression (r=-0.09). CONCLUSIONS: This study showed that the average age of app users is in line with the median age of natural menopause. A large percentage of users reported experiencing 5 or more hot flashes per day, reported difficulties with sleep, and reported experiencing depression and anxiety. These findings are in line with previous studies that assessed hot flash frequency and the consequences of hot flashes. This was the first study to report on the characteristics of users of the Evia app. Results will be used to optimize the hypnotherapy program delivered via the Evia app.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,104
Tête enseignante GPT0,483
Écart entre enseignants0,378 · 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 Formative Research→Même sujetMenopause: Health Impacts and Treatments→Travaux en français237 207→