Exploring opportunities to support mental health care using social media: A survey of social media users with mental illness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: Social media holds promise for expanding the reach of mental health services, especially for young people who frequently use these popular platforms. We surveyed social media users who self-identified as having a mental illness to learn about their use of social media for mental health and to identify opportunities to augment existing mental health services. METHODS: We asked 240 Twitter users who self-identified in their profile as having a mental illness to participate in an online survey. The survey was in English and inquired about participants' mental health condition, use of social media for mental health and interest in accessing mental health programs delivered through social media. RESULTS: Respondents from 10 countries completed 135 surveys. Most respondents were from the United States (54%), Canada (22%) and the United Kingdom (17%) and reported a psychiatric diagnosis of either schizophrenia spectrum disorder (27%), bipolar disorder (25%), major depressive disorder (16%) or depression (20%). Young adults age ≤35 (46%) were more likely to use Instagram (P = .002), Snapchat (P < .001) and their mobile phone for accessing social media (P < .001) compared to adults age 36 and older (53%). Most participants (85%) expressed interest in mental health programs delivered through social media, especially to promote overall health and wellbeing (72%) and for coping with mental health symptoms (90%). CONCLUSIONS: This exploratory study demonstrates the feasibility of reaching social media users with mental illness and can inform efforts to leverage social media to make evidence-based mental health services more widely available to those in need.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle