Changes in the Frequency of Actions Associated With Mental Health During Online Treatment: Analysis of Demographic and Clinical Factors
Notice bibliographique
Résumé
BACKGROUND: Specific daily actions (eg, goal setting, meaningful activities) are associated with mental health. Performing specific daily actions at a higher frequency is associated with significantly lower baseline symptoms of depression and anxiety, as well as better psychological treatment outcomes for depression and anxiety. OBJECTIVE: This study explored how the frequency of specific daily actions associated with mental health may differ prior to, during, and following treatment according to demographic and clinical characteristics. METHODS: Using a sample of 448 patients from an Australian national digital psychology service, we examined baseline differences in daily action frequency and changes in daily action frequency during a digital psychological treatment according to demographic and clinical subgroups. A total of 5 specific types of daily actions were measured using the Things You Do Questionnaire: healthy thinking, meaningful activities, goals and plans, healthy habits, and social connections. RESULTS: The frequency of daily actions differed according to employment status (largest P=.005) and educational level (largest P=.004). Daily action frequency was lower in those participants with more severe or chronic depression or anxiety symptoms (largest P=.004). Participants reported larger increases in how often they did these daily actions from baseline to midtreatment compared to mid- to posttreatment. Depression duration (P=.01) and severity (P<.001) were associated with differences in how daily action frequency changed during treatment. CONCLUSIONS: The findings of this study support continued research exploring the relationship between daily actions and mental health, how this relationship might differ between individuals, and the clinical potential of supporting individuals to increase the frequency of daily actions to improve mental health.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».