Acceptability and Engagement of a Smartphone-Delivered Interpretation Bias Intervention in a Sample of Black and Latinx Adults: Open Trial
Notice bibliographique
Résumé
Background Access to evidence-based interventions is urgently required, especially for individuals of minoritized identities who experience unique barriers to mental health care. Digital mental health interventions have the potential to increase accessibility. Previous pilot studies testing HabitWorks, a smartphone app providing an interpretation bias intervention, have found strong engagement and adherence for HabitWorks; however, previous trials’ samples consisted of predominantly non-Hispanic, White individuals. Objective This study conducted an open trial of HabitWorks in a community sample of adults who identified as Black, Hispanic or Latinx, or both. This study aims to test safety, acceptability, and engagement with the HabitWorks app for Black and Latinx adults. Methods Black, Hispanic or Latinx adults (mean age 32.83, SD 11.06 y; 22/31, 71% women) who endorsed symptoms of anxiety or depression were asked to complete interpretation modification exercises via HabitWorks 3 times per week for 1 month. Interpretation bias and anxiety and depression symptoms were assessed at baseline and posttreatment assessments. Participants completed qualitative interviews to assess overall perceptions of HabitWorks. Results Of the 31 participants that downloaded the app, 27 (87%) used HabitWorks all 4 weeks. On average, participants completed 15.74 (SD 7.43) exercises out of the 12 prescribed, demonstrating high engagement. Acceptability ratings met all a priori benchmarks except for relevancy. Qualitative interviews also demonstrated high acceptability and few negative experiences. Significant improvements were found in interpretation style (t30=2.29; P<.001), with a large effect size (Cohen d=1.53); anxiety symptoms (t30=2.29; P=.03), with a small effect size (Cohen d=0.41); and depression symptoms (t30=3.065; P=.005), with a medium effect size (Cohen d=0.55). Conclusions This study adds to the literature evaluating digital mental health interventions in Black and Latinx adults. Preliminary results further support a future controlled trial testing the effectiveness of HabitWorks as an intervention.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».