Randomized controlled trial of a smartphone app designed to reduce unhealthy alcohol consumption
Notice bibliographique
Résumé
Unhealthy alcohol use is common and causes tremendous harm. Most people with unhealthy alcohol use will never seek formal alcohol treatment. As an alternative, smartphone apps have been developed as one means to provide help to people concerned about their alcohol use. The aim of this study was to test the efficacy of a smartphone app targeting unhealthy alcohol consumption in a general population sample. Participants were recruited from across Canada using online advertisements. Eligible participants who consented to the trial were asked to download a research-specific version of the app and were provided with a code that unlocked it (a different code for each participant to prevent sharing). Those who entered the code were randomized to one of two different versions of the app: 1) the Full app containing all intervention modules; or 2) the Educational only app, containing only the educational content of the app. Participants were followed-up at 6 months. The primary outcome variable was number of standard drinks in a typical week. Secondary outcome variables were frequency of heavy drinking days and experience of alcohol-related problems. A total of 761 participants were randomized to a condition. The follow-up rate was 81 %. A generalized linear mixed model revealed that participants receiving the full app reduced their typical weekly alcohol consumption to a greater extent than participants receiving the educational only app (incidence rate ratio 0.89; 95 % confidence interval 0.80 to 0.98). No significant differences were observed in the secondary outcome variables (p > .05). The results of this trial provide some supportive evidence that smartphone apps can reduce unhealthy alcohol consumption. As this is the second randomized controlled trial demonstrating an impact of this same app (the first one targeted unhealthy alcohol use in university students), increased confidence is placed on the potential effectiveness of the smartphone app employed in the current trial. ClinicalTrials.org number: NCT04745325
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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.
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 ».