Efficacité de l'application Safe Haven parmi les étudiants de premier cycle

Contexte : Les étudiants de premier cycle traversent une période de transition critique marquée par des facteurs de stress importants et une prévalence élevée de problèmes de santé mentale. Cependant, les comportements de recherche d'aide restent faibles en raison de la stigmatisation et des barrières structurelles. Bien que les applications de santé mobile (mHealth) offrent une solution évolutive, les interventions existantes reposent souvent sur un contenu statique et manquent de réactivité en temps réel aux états psychologiques fluctuants des étudiants. Cette étude présente « Safe Haven », un système d'intervention adaptative juste à temps (JITAI) qui intègre l'auto-surveillance avec une stratification des risques pour fournir un soutien personnalisé. Cette étude vise à évaluer l'efficacité de l'application Safe Haven dans la réduction de la détresse psychologique et l'amélioration de la littératie en santé mentale, comparée aux soins standards du campus uniquement.

Conception de l'étude : Cette étude utilise un essai contrôlé randomisé (ECR) à deux bras en groupes parallèles. Un total de 68 étudiants de premier cycle éligibles d'une université nationale du sud de Taïwan seront recrutés. Après avoir complété les évaluations de base (T0), les participants seront randomisés dans un rapport 1:1 soit dans le groupe expérimental, soit dans le groupe témoin sur liste d'attente.

Détails de l'intervention

Groupe expérimental (Application Safe Haven + TAU) : Les participants de ce groupe auront accès à l'application Safe Haven pendant une durée de 3 mois, en plus de conserver un accès complet aux services de conseil et de santé mentale standards sur le campus (traitement habituel, TAU). L'application Safe Haven comprend cinq composantes principales :

1. Suivi de l'humeur et du sommeil Visualise les tendances longitudinales des rapports quotidiens d'humeur et de sommeil et des scores d'évaluation psychologique hebdomadaire pour soutenir l'auto-surveillance et la conscience de soi.
2. Collecte de données de phénotypage numérique Recueille des données d'auto-déclaration actives et des données de mobilité passives optionnelles pour soutenir la surveillance en temps réel et la prédiction des risques de santé mentale.
3. Système de soins échelonnés par stratification des risques Utilise l'apprentissage automatique pour classer les utilisateurs en cinq niveaux de risque de santé mentale, chacun lié à un protocole d'intervention gradué allant du soutien à l'auto-gestion à la réponse d'urgence.
4. Soutien juste à temps basé sur un chatbot Fournit un soutien émotionnel en temps réel via un chatbot IA tout en surveillant les entrées des utilisateurs pour détecter des indicateurs de haut risque et déclencher des protocoles d'urgence lorsque détectés.
5. Modules de psychoéducation Propose un contenu psychoéducatif animé avec de brefs quiz et un système de récompenses ludifié, ainsi que des informations sur les ressources de santé mentale du campus et de la communauté.

Groupe témoin sur liste d'attente (TAU uniquement) : Les participants de ce groupe conserveront l'accès aux services de conseil et de santé mentale standards sur le campus (TAU) mais n'auront pas accès à l'application Safe Haven pendant la période d'intervention de 3 mois. Pour respecter les normes éthiques, ces participants se verront offrir l'accès à l'application Safe Haven après avoir complété l'évaluation de suivi finale (T2).

Procédures de l'étude La collecte de données aura lieu à trois moments :

1. Base (T0) : Au moment du recrutement et avant la randomisation.
2. Post-intervention (T1) : Immédiatement après la période d'intervention de 3 mois. Les participants du groupe expérimental compléteront également l'échelle de convivialité du système (SUS) à ce moment.
3. Suivi (T2) : 3 mois après la fin de l'intervention.

Mesures des résultats Les principaux critères de jugement sont les changements dans la détresse psychologique générale (mesurée par CHQ-12) et les symptômes de dépression, d'anxiété et de stress (mesurés par DASS-21). Les critères secondaires incluent les changements dans la littératie en santé mentale (mesurée par MHLS-HPG) et l'engagement dans l'intervention (mesuré par les journaux d'utilisation de l'application et les scores SUS).

Plan d'analyse statistique Les données seront analysées à l'aide d'IBM SPSS Statistics. L'analyse principale suivra le principe de l'intention de traiter (ITT). Les équations d'estimation généralisées (GEE) seront utilisées pour examiner les changements longitudinaux et tester l'effet d'interaction Groupe × Temps sur les mesures des résultats. Les modèles GEE seront ajustés pour les scores de base des variables de résultat respectives. De plus, toute caractéristique démographique présentant des différences statistiquement significatives entre les groupes à la base sera incluse comme covariable. Pour le groupe expérimental, des analyses supplémentaires examineront l'association entre les mesures objectives d'engagement (par exemple, les taux de complétion) et les améliorations cliniques pour déterminer les relations dose-réponse.