Expanding e-Mental Health Services : using a person-based approach in developing and testing of iCanChange, a Novel App-based psychological intervention for cannabis use disorder in young adults with early psychosis
Bibliographic record
Abstract
Les troubles psychotiques tels que la schizophrénie sont le plus souvent diagnostiqués chez les jeunes adultes et ont un impact majeur sur la vie des individus et sur la société. La consommation fréquente de cannabis augmente le risque de développer un trouble lié à l'usage du cannabis (TUC), très répandu chez les personnes souffrant d'un premier épisode psychotique (PEP). La réduction de la consommation de cannabis chez ces personnes représente une cible d'intervention importante, car une consommation moindre de cannabis est associée à un risque plus faible de rechute de la psychose. À ce jour, l'efficacité des interventions pharmacologiques pour la consommation de cannabis manque de preuves solides et les interventions psychologiques en face à face, qui comprennent la thérapie cognitivo-comportementale et l'entretien motivationnel (EM), sont le pilier du traitement de la consommation de cannabis dans les services d'intervention précoce pour la psychose (SIP). Leur mise en œuvre est souvent sous-optimale en raison d'une multitude de facteurs, notamment la charge de travail élevée et la formation insuffisante du personnel, ainsi que le faible engagement des patients en raison d'un soutien social inadéquat, d'obstacles liés au transport et de coûts financiers. Les interventions psychologiques basées sur la technologie (IPBT) pour le TUC, telles que celles offertes en ligne via des ordinateurs ou des applications mobiles, pourraient contourner certains de ces obstacles et se sont révélées modérément efficaces pour réduire la fréquence de la consommation de cannabis dans des études portant sur des personnes ne souffrant pas de psychose. Toutefois, ces études ont révélé des taux d'attrition élevés et un faible engagement de l'utilisateur dans l'intervention, ce qui peut avoir un impact sérieux sur les résultats de la consommation de cannabis. Les recommandations pour le développement d'interventions comportementales offertes via des applications soulignent l'importance d'utiliser une approche centrée sur la personne, ce qui implique de mener des recherches qualitatives et quantitatives et d'adapter l'intervention aux préférences des utilisateurs. Les interventions psychologiques offertes via des applications pour le TUC qui intègrent les connaissances théoriques, adaptées aux besoins de traitement et aux expériences vécues par les personnes atteintes de psychose peuvent favoriser un engagement optimal dans l'intervention en augmentant la compétence, la relation à l’application et l'autonomie de l'utilisateur. La thèse comprend quatre études décrivant la recherche utilisant des méthodologies variées qui a été menée pour développer iCanChange (iCC), une nouvelle intervention psychologique basée sur une application pour le traitement de TUC chez les personnes atteintes de psychose, et le ReCap-iCC, un essai pilote contrôlé randomisé (ECR) de l'iCC dans cette population. L'étude 1 consiste en une revue systématique visant à évaluer l'efficacité des IPBT pour réduire la consommation de cannabis chez les personnes atteintes de psychose et comprendre les facteurs contribuant à la conception d'interventions efficaces pour le TUC dans cette population. Pour la revue initiale et sa mise à jour, nous avons examiné au total 20,615 références indexées dans six bases de données majeures jusqu'au 27 juillet 2023. Les résultats montrent que la recherche dans ce domaine n'en est qu'à ses débuts, puisque seuls 11 articles correspondant à 7 études empiriques distinctes ont été retenus pour la synthèse. Bien qu'aucune des études n'ait fait appel à des interventions psychologiques offertes par des applications mobiles, la revue indique que les interventions offertes via internet, l'ordinateur ou la réalité virtuelle qui incluent des interventions de thérapie cognitivo-comportementale (TCC), d'EM, de la psychoéducation ou de la thérapie par remédiation cognitive peuvent être efficaces pour réduire la consommation de cannabis chez les personnes souffrant de psychose. L'étude souligne l'importance d'explorer qualitativement les préférences des patients et de les intégrer dans les interventions afin d'améliorer les résultats sur la consommation de cannabis. L'étude 2 décrit la méthodologie et les résultats d'une étude qualitative descriptive visant à explorer et à comprendre les perspectives des patients et des cliniciens concernant les modalités d'intervention pour réduire la consommation de cannabis, le contenu et le format de l'intervention, et les opinions liées à la technologie. Dix personnes atteintes de PEP et de TUC ont participé à un groupe de discussion et dix cliniciens travaillant dans des SIP pour les psychoses ont participé à des entretiens semi-structurés. Nous avons utilisé une analyse thématique déductive-inductive pour fournir une synthèse intégrative des opinions des patients et des cliniciens. Il en est résulté un cadre de cinq facteurs principaux pertinents pour le développement d’IPBT pour le TUC. Ces facteurs sont les suivants : attitudes et croyances liées aux interventions psychologiques (par exemple, stade de changement comportemental), stratégies pour les interventions psychologiques (par exemple, EM, TCC), incitations (par exemple, gestion des contingences), intérêt général pour les IPBT (par exemple, interventions en face à face ou basées sur une application, rétroaction des cliniciens, lieu de participation), et recommandations pour adapter l’IPBT, y compris l'intensité de l'intervention, le format du contenu de l'intervention, les caractéristiques de l'application, et les méthodes de communication. Les résultats de cette phase exploratoire ont permis de développer l'iCC et le questionnaire utilisé dans l'étude 3. Dans l'étude 3, 104 personnes atteintes de PEP et de TUC ont répondu à un sondage en ligne dans six SIP pour la psychose dans la province de Québec, un en Alberta et un en Nouvelle-Écosse. Les principaux objectifs étaient d'évaluer les préférences en matière d'intensité de l'intervention, de l’autonomie dans l'exécution de l'intervention, de la rétroaction liée à la consommation de cannabis et des préférences en matière de technologie et de caractéristiques de l'application. Pour mesurer les préférences, nous avons utilisé la méthode du Case 2 Best-Worst-Scaling (BWS, 27 questions) et la méthode de classement des items (6 questions). Les analyses de régression conditionnelle multivariable des questions du BWS ont révélé : 1) des préférences plus élevées des patients pour une intervention d'intensité modérée basée sur une application qui comprend des modules d'une durée de 15 minutes (vs. 5 minutes, OR=1,19; IC: 1,03; 1,37) programmée une fois par semaine (vs. tous les jours, OR=2,06; IC: 1,79; 2,37) ; 2); l’utilisation autonome des interventions psychologiques pour le TUC reflété par des préférences plus faibles pour une intervention en personne par rapport à une IPBT (OR=0,86; IC: 0,75; 0,98) ; des préférences plus élevées pour participer à l'intervention en dehors de la clinique (vs. à la clinique, OR=1.24; IC: 1.08; 1.42) ; des préférences plus élevées pour recevoir de l'aide pour l'utilisation de l'application de la part du clinicien une fois par semaine (vs. chaque session, OR=1.16; IC: 1.01; 1. 33) ; et 3) des préférences plus marquées pour recevoir un une rétroaction sur sa consommation de cannabis à la fois de l'application et du clinicien (vs. application seule, OR=1,74; IC: 1,51; 2,00) et du clinicien une fois par semaine (vs. deux fois par semaine, OR=1,29 ; IC: 1,13; 1,48). Les modèles de régression de Luce pour les données de classement ont révélé des préférences plus élevées (c'est-à-dire la valeur de l'item, soit w) pour l'utilisation de smartphones (vs. ordinateur, w=1.65; IC: 1.14; 2.38), pour la communication avec les cliniciens par chat (vs. texte, w=1.47; IC: 1.03; 2.10), et pour avoir accès à un tableau de points de récompense (vs. la possibilité de personnaliser l'application, w=1.67; IC: 1.16; 2.40). Nous avons constaté des préférences moindres pour le texte écrit (w=0,57; IC: 0,41; 0,81) ou l'audio (w=0,61; IC: 0,43; 0,86) par rapport aux vidéos avec un personnage animé. Les résultats de la recherche préparatoire (études 1 à 3) ont conduit au développement de l'iCC et de l'essai pilote ECR ReCap-iCC en cours (étude 4). L'iCC est une application entièrement automatisée qui contient 2 sections et 3 modules de rappel. La première section comprend 10 modules de base qui sont complétés séquentiellement, avec une fréquence recommandée de 2 par semaine maximum, visant à préparer les utilisateurs à changer leurs comportements de consommation de cannabis et se terminant par le choix d'un objectif de modification de consommation de cannabis flexible qui peut être soit de réduire, soit d'arrêter la consommation de cannabis. La section 2, qui comprend 9 modules pouvant être complétés dans l'ordre choisi par l'utilisateur, a pour but d'enseigner et de renforcer les compétences qui peuvent l'aider à atteindre son objectif. Enfin, les 3 modules de rappel sont complétés à une fréquence d'un par mois et sont conçus pour soutenir le changement de comportement. Le protocole de l'étude fournit une description détaillée des activités incluses dans chaque module et des techniques de changement de comportement utilisées. Les participants sont répartis de manière aléatoire (ratio 1:1) entre le groupe d'intervention composé de l'iCC + SIP modifié (tous les services SIP sont offerts à l'exception des interventions psychologiques formelles concomitantes pour le traitement des TUC) et le groupe de contrôle composé de SIP. L'étude comprend une période d'intervention active de 12 semaines et une période de suivi de 3 mois. Les évaluations sont effectuées au départ, à 6 semaines, à 12 semaines (fin de l'intervention active et évaluation principale) et à 24 semaines, ce qui correspond à la fin du suivi. Les principaux objectifs consistent à évaluer les taux d'achèvement de l'intervention et de rétention da
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".