Digital Interventions for Reducing Loneliness and Depression in Korean College Students: Mixed Methods Evaluation
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has exacerbated the prevalence of loneliness and depression among college students. Digital interventions, such as Woebot (Woebot Health, Inc) and Happify (Twill Inc), have shown promise in alleviating these symptoms. OBJECTIVE: This study aims to investigate the effectiveness and acceptability of Woebot and Happify in reducing loneliness and depression among college students after the COVID-19 pandemic. METHODS: A mixed methods approach was used over 4 months. A total of 63 participants aged 18 to 27 years from Sungkyunkwan University in Seoul, South Korea, were initially recruited, with an inclusion criterion of University of California, Los Angeles (UCLA) Loneliness Scale score ≥34. The final sample consisted of 27 participants due to attrition. Participants were randomly assigned to Woebot (15/27, 55%); Happify (9/27, 33%); or a control group using Bondee (Metadream), a metaverse social network messenger app (3/27, 11%). Quantitative measures (UCLA Loneliness Scale and Patient Health Questionnaire-9) and qualitative assessments (user feedback and focused interviews) were used. RESULTS: Although mean decreases in loneliness and depression were observed in the control and intervention groups after the intervention, the differences between the control and intervention groups were not statistically significant (UCLA Loneliness: P=.67; Patient Health Questionnaire-9: P=.35). Qualitative data indicated user satisfaction, with suggestions for improved app effectiveness and personalization. CONCLUSIONS: Despite limitations, this study highlights the potential of well-designed digital interventions in alleviating college students' loneliness and depression. The findings contribute to the growing body of research on accessible digital mental health tools and underscore the importance of comprehensive support systems. Further research with larger and more diverse samples is needed to better understand the effectiveness and optimization of such interventions. TRIAL REGISTRATION: Clinical Research Information Service KCT0009449; https://bit.ly/4d2e4Bu.
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 | 0,014 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».