Acceptability, usability, and credibility of a mindfulness-based digital therapeutic for pediatric concussion: A mixed-method study
Notice bibliographique
Résumé
Background: The ability to cope with concussion symptoms and manage stress is an important determinant of risk for prolonged symptoms. Objective: This open-label mixed-methods pilot study assessed the acceptability and credibility of a mindfulness-based intervention delivered through a digital therapeutic (DTx; therapeutic smartphone app) for pediatric concussion. Methods: Participants aged 12 to 18 years were recruited from an emergency department within 48 hours of a concussion (acute cohort) or from a tertiary care clinic at least 1-month post-concussion (persisting symptoms cohort). Participants completed a novel 4-week mindfulness-based intervention, for 10 to 15 minutes/day, at a minimum of 4 days/week. At 2 weeks, participants completed a credibility and expectancy questionnaire. At 4 weeks, participants completed questionnaires assessing satisfaction, usability and working alliance, as well as a semi-structured phone interview. Results: Ten participants completed the study outcomes (7 acute; 3 persisting symptoms). The intervention was perceived as credible (median/max possible = 6.50/9.00 [6.83,8.75]) and DTx was usable (median/max possible = 70.00/100.00 [55.00,82.50]). Participants rated their satisfaction with the DTx (median/max possible = 27.00/32.00 [24.50,29.50]) and the working alliance with the digital mindfulness guides (median/max possible = 3.92/5.00 [3.38-4.33]) as high. Four themes were identified from the qualitative data: (a) positive attributes; (b) negative attributes; (c) ideas for modifications; and (d) technical issues. Conclusion: Results show modifications to the DTx, instructions and mindfulness intervention, and potential ways to increase adherence by leveraging positive attributes. A randomized control trial will assess the effectiveness of the DTx MBI to decrease the risk of persisting symptoms and reduce the symptom burden following pediatric concussion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».