MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413849180 · doi:10.2196/68052

Multiuser Application for the Diagnosis and Treatment of Depression in Women’s Self-Help Groups: Pilot Randomized Controlled Trial

2025· article· en· W4413849180 sur OpenAlexvenueno aff
Amritha Bhat, Ruben Johnson-Pradeep, Bharat Kalidindi, Dhinagaran Devadass, B. Ramakrishna Goud, Tony Raj, Sumithra Selvam, Yesenia Navarro-Aguirre, Pamela Y. Collins, Krishnamachari Srinivasan

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental Health
Mots-clésPreprintRandomized controlled trialDepression (economics)PsychologyMedicineComputer scienceWorld Wide WebInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Depression in women results in elevated morbidity rates, functional impairment, diminished quality of life, and an increased risk of suicide. Numerous obstacles impede access to mental health treatment for women in India. Digital mental health solutions can bridge the treatment gap, but it is important to tailor these solutions to the context and to end-users. Objective: We conducted a pilot randomized controlled trial to test the feasibility, acceptability, and preliminary effectiveness of a mental health app deployed in community-based organizations in improving depression outcomes. Methods: The Multiuser Interactive Health Response Application (MITHRA) is a multiple-user mobile app used in community-based organizations for screening, tracking, and supporting stepped-care treatment for depression. MITHRA is based on the healthy activity program, a brief psychological intervention based on behavioral activation. It includes audio, video, and enhanced touchscreen capabilities to overcome the barrier of illiteracy and lack of access. It was developed in collaboration with a participatory design group consisting of primary and secondary end-users and is available on tablets installed in self-help groups (SHGs), which are community-based organizations in India. The SHGs were randomized to MITHRA (n=3) or enhanced usual care (EUC; n=3). During SHG meetings, women completed the Patient Health Questionnaire-9 (PHQ-9). Based on their PHQ-9 scores, they were assigned different modules. In the EUC SHGs, women viewed one module of education on symptoms of depression. Primary outcomes include feasibility and acceptability, and secondary outcomes include depressive symptoms and functioning. Repeated-measures ANOVA was performed to compare the change in the outcome scores over time between study groups. A P value of<.05 was considered statistically significant. Results: MITHRA was found to be feasible and acceptable. A total of 96% of intervention arm participants completed at least half of their assigned modules. Although not powered for effectiveness outcomes, in this trial, we found that the change at 6 months from baseline in depressive symptoms (PHQ-9) were significantly different between MITHRA and EUC (P=.037), with greater improvement in the intervention group. Similarly, significant improvement in the World Health Organization Disability Assessment Scale score was noted in the MITHRA group (P=.005). Conclusions: MITHRA is feasible and acceptable for use in women's SHGs. Larger studies should examine the effectiveness of this approach in identifying and treating depression.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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 randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,076
Tête enseignante GPT0,489
Écart entre enseignants0,413 · 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 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetDigital Mental Health Interventions→Travaux en français237 207→