Innovative Digital Cognitive Behavioral Treatment for Insomnia Disorder in Adults (dCBT-i): Framework Development
Notice bibliographique
Résumé
BACKGROUND: Chronic insomnia, or insomnia disorder, is a major health issue with a prevalence of up to 15%. The recommended first-line treatment is cognitive behavioral therapy for insomnia (CBT-i), which, unfortunately, remains insufficiently accessible. Digitalization has the potential to reduce health care access inequalities by offering more flexible and accessible care options. Digital CBT-i (dCBT-i) has been shown to be as effective as in-person CBT-i, highlighting its potential for broader implementation. OBJECTIVE: This study aimed to develop an evidence-based dCBT-i program grounded in theoretical and clinical knowledge, designed for efficient integration into health care systems, and to establish it as the first prescribed digital treatment in France. METHODS: The program was constructed based on validated CBT-i theory and practice, incorporating the latest scientific data on CBT for insomnia. It was designed as a robust multicomponent therapy, integrating an initial standardized assessment and daily intelligent adaptation to enable digital phenotyping and provide personalized treatment. RESULTS: We developed an innovative digital solution that combines scientific rigor with practical application. The program includes a standardized initial evaluation and dynamic personalization through intelligent algorithms. These features allow for the adaptation of therapy based on patient progress and needs, ensuring individualized care. CONCLUSIONS: The development of this dCBT-i program represents a significant milestone in digital health care, offering a scalable solution to the accessibility challenges of traditional CBT-i. Future steps involve conducting clinical studies to further evaluate its effectiveness and optimize its implementation within health care systems.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».