Strength of Evidence to Support Decision-Making on the Use of Digital Mental Health Technologies in NICE Evaluations: Cross-Sectional Analysis of Studies
Notice bibliographique
Résumé
Background: Digital mental health technologies (DMHTs) are playing an increasing role in mental health services. The quality of evidence for DMHTs is variable, and there are concerns that evidence is not sufficient to support decision-making. Objective: This study used a cross-sectional analysis of evidence supporting DMHTs included in National Institute for Health and Care Excellence (NICE) evaluations to examine the strength of evidence available for decision-making. Methods: We identified all NICE evaluations relating to DMHTs by reviewing details of published NICE evaluations on the NICE website. From each of these evaluations, we identified included DMHTs and reviewed committee documentation to identify studies that provided supporting evidence for each of these technologies. We extracted information on a series of items relating to study quality and summarized the characteristics of evidence both at the level of individual studies and across the package of evidence from multiple studies supporting DMHTs. We also identified key evidence gaps in available evidence. Results: We included nine NICE evaluations relating to anxiety, depression, psychosis, insomnia, attention deficit hyperactivity disorder (ADHD), and tic disorders. These evaluations included 30 DMHTs and referenced 78 supporting studies. We identified common evidence gaps relating to effectiveness compared to relevant comparators, use of appropriate outcomes, including health-related quality of life, cost of delivery, and impact on resource use, and reporting of adverse events. Conclusions: Our study highlights that some DMHTs have been supported by high-quality studies and that evidence to support DMHTs is likely to be developed across a series of studies. However, there are often key evidence gaps that need to be addressed to provide a stronger case for adoption. Developers should ensure that they consider these gaps while planning evidence generation, and where possible, address them earlier in the product lifecycle.
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 | 0,411 | 0,769 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,020 |
| Bibliométrie | 0,028 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,013 | 0,011 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».