Measuring Users’ Receptivity Toward an Integral Intervention Model Based on mHealth Solutions for Patients With Treatment-Resistant Schizophrenia (m-RESIST): A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Despite the theoretical potential of mHealth solutions in the treatment of patients with schizophrenia, there remains a lack of technological tools in clinical practice. OBJECTIVE: The aim of this study was to measure the receptivity of patients, informal carers, and clinicians to a European integral intervention model focused on patients with persistent positive symptoms: Mobile Therapeutic Attention for Patients with Treatment-Resistant Schizophrenia (m-RESIST). METHODS: Before defining the system requirements, a qualitative study of the needs of outpatients with treatment-resistant schizophrenia was carried out in Spain, Israel, and Hungary. We analyzed the opinions of patients, informal carers, and clinicians concerning the services originally intended to be part of the solution. A total of 9 focus groups (72 people) and 35 individual interviews were carried out in the 3 countries, using discourse analysis as the framework. RESULTS: A webpage and an online forum were perceived as suitable to get both reliable information on the disease and support. Data transmission by a smart watch (monitoring), Web-based visits, and instant messages (clinical treatment) were valued as ways to improve contact with clinicians. Alerts were appreciated as reminders of daily tasks and appointments. Avoiding stressful situations for outpatients, promoting an active role in the management of the disease, and maintaining human contact with clinicians were the main suggestions provided for improving the effectiveness of the solution. CONCLUSIONS: Positive receptivity toward m-RESIST services is related to its usefulness in meeting user needs, its capacity to empower them, and the possibility of maintaining human contact.
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 | 0,023 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».