Adverse Events of Mood Monitoring and Ambulatory Assessment in Depression and Bipolar Disorder: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Mood monitoring and ambulatory assessment offer improvements in measuring mood and behavior for mental health research and clinical practice. However, concerns about adverse effects and usability may hinder their implementation. Objective: This systematic review and meta-analysis assessed the prevalence of adverse events, barriers and facilitators to use, and suggestions for improvement in quantitative mood monitoring studies involving people with depression and bipolar disorder. Methods: We conducted a systematic review and meta-analysis of 77 quantitative studies that used mood monitoring or ambulatory assessment in depression and bipolar disorder, assessing adverse events, barriers and facilitators to use, and suggestions for improvement. Adverse events data were pooled to identify prevalence. Results: Of the 77 studies, 15 (19%) reported adverse events, and 20 (26%) reported usability issues. Pooled prevalence of adverse events was 0.04 (95% CI 0.03-0.06; P<.001). Specific adverse effects included increased burden or stress (0.04, 95% CI 0.02-0.07; P<.001), mood worsening (0.02, 95% CI 0.01-0.02; P=.001), self-harm (0.05, 95% CI-0.02 to 0.10; P=.007), and hospitalization (0.06, 95% CI 0.04-0.09; P=.26). The top facilitators were perceived helpfulness and ease of use, the top barriers included technical challenges and the time-consuming nature of the interventions, and the top suggested improvement was personalization. Conclusions: A small number of mood monitoring or ambulatory assessment users experienced negative psychological effects; however, we were unable to infer causality. Due to the severe underreporting of adverse events as well as heterogeneity and publication bias in the included studies, there was limited certainty in the prevalence, duration, and severity of these adverse events. More systematic monitoring of adverse events is needed to optimize safety and usability. Many mood monitoring protocols may require additional development to decrease adverse events and improve acceptability.
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 | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,033 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».