MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399733834 · doi:10.2196/54816

Using a Digital Mental Health Intervention for Crisis Support and Mental Health Care Among Children and Adolescents With Self-Injurious Thoughts and Behaviors: Retrospective Study

2024· article· en· W4399733834 sur OpenAlexvenueno aff
Darian Lawrence‐Sidebottom, Landry Goodgame Huffman, Aislinn Beam, Kelsey McAlister, Rachael Guerra, Amit Parikh, Monika Roots, Jennifer Huberty

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthIntervention (counseling)Crisis interventionMental health carePsychologyPsychiatryMedicineClinical psychology

Résumé

récupéré en direct d'OpenAlex

Background Self-injurious thoughts and behaviors (SITBs) are increasing dramatically among children and adolescents. Crisis support is intended to provide immediate mental health care, risk mitigation, and intervention for those experiencing SITBs and acute mental health distress. Digital mental health interventions (DMHIs) have emerged as accessible and effective alternatives to in-person care; however, most do not provide crisis support or ongoing care for children and adolescents with SITBs. Objective To inform the development of digital crisis support and mental health care for children and adolescents presenting with SITBs, this study aims to (1) characterize children and adolescents with SITBs who participate in a digital crisis response service, (2) compare anxiety and depressive symptoms of children and adolescents presenting with SITBs versus those without SITBs throughout care, and (3) suggest future steps for the implementation of digital crisis support and mental health care for children and adolescents presenting with SITBs. Methods This retrospective study was conducted using data from children and adolescents (aged 1-17 y; N=2161) involved in a pediatric collaborative care DMHI. SITB prevalence was assessed during each live session. For children and adolescents who exhibited SITBs during live sessions, a rapid crisis support team provided evidence-based crisis support services. Assessments were completed approximately once a month to measure anxiety and depressive symptom severity. Demographics, mental health symptoms, and change in the mental health symptoms of children and adolescents presenting with SITBs (group with SITBs) were compared to those of children and adolescents with no SITBs (group without SITBs). Results Compared to the group without SITBs (1977/2161, 91.49%), the group with SITBs (184/2161, 8.51%) was mostly made up of adolescents (107/184, 58.2%) and female children and adolescents (118/184, 64.1%). At baseline, compared to the group without SITBs, the group with SITBs had more severe anxiety and depressive symptoms. From before to after mental health care with the DMHI, the 2 groups did not differ in the rate of children and adolescents with anxiety symptom improvement (group with SITBs: 54/70, 77% vs group without SITBs: 367/440, 83.4%; χ21=1.2; P=.32) as well as depressive symptom improvement (group with SITBs: 58/72, 81% vs group without SITBs: 255/313, 81.5%; χ21=0; P=.99). The 2 groups also did not differ in the amount of change in symptom severity during care with the DMHI for anxiety (t80.20=1.37; P=.28) and depressive (t83.75=–0.08; P=.99) symptoms. Conclusions This study demonstrates that participation in a collaborative care DMHI is associated with improved mental health outcomes in children and adolescents experiencing SITBs. These results provide preliminary insights for the use of pediatric DMHIs in crisis support and mental health care for children and adolescents presenting with SITBs, thereby addressing the public health issue of acute mental health crisis in children and adolescents.

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)0,002
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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,037
Tête enseignante GPT0,483
Écart entre enseignants0,446 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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