Evaluating a mental health support mobile app for adults with type 1 diabetes living in rural and remote communities: The <scp>REACHOUT</scp> pilot study
Notice bibliographique
Résumé
AIMS: To evaluate a mobile app that delivers mental health support to adults with type 1 diabetes (T1D) living in rural and remote communities using the Reach, Effectiveness, Adoption, Intervention fidelity, Maintenance (RE-AIM) framework. METHODS: This study recruited 46 adults to participate in a 6-month intervention using REACHOUT, a mobile app that delivers peer-led mental health support (one-on-one, group-based texting and face-to-face virtual). Baseline and 6-month assessments measured diabetes distress (DD), depressive symptoms and perceived support (from family/friends, health care team and peers) along with other RE-AIM metrics. RESULTS: Calculations for reach and adoption found that 3% of eligible adults enrolled in REACHOUT and 55% of diabetes education centres participated in recruitment efforts. Maintenance metrics revealed 56% and 24% of peer supporters and participants, respectively, became peer supporters for a subsequent randomized controlled trial of REACHOUT. Post-intervention reductions were observed for overall distress (p = 0.007), powerlessness (p = 0.009), management distress (p = 0.001), social perception distress (p = 0.023), eating distress (p = 0.032) and depressive symptoms (p = 0.009); and elevations in support from family/friends and peers. After adjusting for sex and age, only support-related improvements persisted. When analysing women and men groups separately, women reported lower levels of overall distress, three distress subscales, and higher levels of family/friends and peer support whereas men did not. CONCLUSIONS: While reach was relatively low, metrics for adoption and maintenance are promising. Improvements in distress were observed for the total sample, but these changes were reduced when controlling for sex and age, with significance maintained only for women. Digital health-enabled peer support may be instrumental in the delivery of mental health support to geographically isolated communities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».