MétaCan
Menu
Retour à la cohorte
Enregistrement W4404090406 · doi:10.2196/65222

Testing the Feasibility, Acceptability, and Potential Efficacy of an Innovative Digital Mental Health Care Delivery Model Designed to Increase Access to Care: Open Trial of the Digital Clinic

2024· article· en· W4404090406 sur OpenAlexvenueno aff
Natalia Macrynikola, Kelly Chen, Erlend Lane, Nic Nguyen, Joana Pinto, Shirley Yen, John Torous

Notice bibliographique

RevueJMIR Mental Health · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintDigital healthMental healthMedicineHealth careMental health careNursingMedical physicsComputer sciencePsychiatryWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Background Mental health concerns have become increasingly prevalent; however, care remains inaccessible to many. While digital mental health interventions offer a promising solution, self-help and even coached apps have not fully addressed the challenge. There is now a growing interest in hybrid, or blended, care approaches that use apps as tools to augment, rather than to entirely guide, care. The Digital Clinic is one such model, designed to increase access to high-quality mental health services. Objective To assess the feasibility, acceptability, and potential efficacy of the Digital Clinic model, this study aims to conduct a nonrandomized open trial with participants experiencing depression, anxiety, or both, at various levels of clinical severity. Methods Clinicians were trained in conducting brief transdiagnostic evidence-based treatment augmented by a mental health app (mindLAMP); digital navigators were trained in supporting participants’ app engagement and digital literacy while also sharing app data with both patients and clinicians. Feasibility and acceptability of this 8-week program were assessed against a range of benchmarks. Potential efficacy was assessed by calculating pre-post change in symptoms of depression (Patient Health Questionnaire-9; PHQ-9), anxiety (7-item Generalized Anxiety Disorder; GAD-7), and comorbid depression and anxiety (Patient Health Questionnaire Anxiety and Depression Scale; PHQ-ADS), as well as rates of clinically meaningful improvement and remission. Secondary outcomes included change in functional impairment, self-efficacy in managing emotions, and flourishing. Results Of the 258 enrolled participants, 215 (83.3%) completed the 8-week program. Most were White (n=151, 70.2%) and identified as cisgender women (n=136, 63.3%), with a mean age of 41 (SD 14) years. Feasibility and acceptability were good to excellent across a range of domains. The program demonstrated potential efficacy: the average PHQ-9 score was moderate to moderately severe at baseline (mean 13.39, SD 4.53) and decreased to subclinical (mean 7.79, SD 4.61) by the end of the intervention (t126=12.50, P<.001, Cohen d=1.11). Similarly, the average GAD-7 score decreased from moderate at baseline (mean 12.93, SD 3.67) to subclinical (mean 7.35, SD 4.19) by the end of the intervention (t113=13, P<.001, Cohen d=1.22). Participation in the program was also associated with high rates of clinically significant improvement and remission. Conclusions Results suggest that the Digital Clinic model is feasible, acceptable, and potentially efficacious, warranting a future randomized controlled trial to establish the efficacy of this innovative model of care.

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)0,019
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,121
Tête enseignante GPT0,490
Écart entre enseignants0,369 · 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'étudeEssai non randomisé
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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207