卡塔尔世界杯8强波胆分析

摘要

背景:

心理健康应用程序提供了一种变革性的手段，可以增加大学生获得可扩展的循证护理的机会。然而，目前较低的用户粘性阻碍了这些应用的有效性。一个很有前景的解决方案是，通过能够预测症状并提供量身定制的干预措施的数字表型方法，使这些应用程序更具响应性和个性化。

摘要目的:

遵循我们的协议并利用该论文中共享的精确模型，我们在这项工作中的主要目的是通过一项复制研究来评估使用mindLAMP应用程序预测心理健康症状的前瞻性有效性。在自动化研究的背景下，我们还探讨了围绕应用程序干预个性化的次要目标，以及与技术接受模型(TAM)和数字工作联盟清单(D-WAI)量表的参与度的相关性

方法:

该研究持续28天，遵循已公布的方案，参与者收集数字表型数据，并提供可选的计划和算法推荐的应用程序干预。研究补偿与每周调查的完成情况挂钩，与参与或使用应用程序无关。

结果:

来自67名参与者的数据被用于分析。症状预测模型的曲线下面积从UCLA孤独量表的0.58到患者健康问卷-9的0.71不等。参与预定应用程序干预的比例很高，研究平均值为73%，但很少有参与者参与可选的推荐干预。在完成至少一项推荐干预措施的人群中，TAM中应用程序的感知效用更高(P = 0.01)。

结论:

我们的研究结果表明，数字表现型方法可以用来创建可推广的模型，这可能有助于创建更个性化和更吸引人的心理健康应用程序。自动化研究是可行的，我们的研究结果提出了提高未来研究参与度的目标。