Gamified Cognitive Control Training for Remitted Depressed Individuals: User Requirements Analysis
Notice bibliographique
Résumé
BACKGROUND: The high incidence and relapse rates of major depressive disorder demand novel treatment options. Standard treatments (psychotherapy, medication) usually do not target cognitive control impairments, although these seem to play a crucial role in achieving stable remission. The urgent need for treatment combined with poor availability of adequate psychological interventions has instigated a shift toward internet interventions. Numerous computerized programs have been developed that can be presented online and offline. However, their uptake and adherence are oftentimes low. OBJECTIVE: The aim of this study was to perform a user requirements analysis for an internet-based training targeting cognitive control. This training focuses on ameliorating cognitive control impairments, as these are still present during remission and can be a risk factor for relapse. To facilitate uptake of and adherence to this intervention, a qualitative user requirements analysis was conducted to map mandatory and desirable requirements. METHODS: We conducted a user requirements analysis through a focus group with 5 remitted depressed individuals and individual interviews with 6 mental health care professionals. All qualitative data were transcribed and examined using a thematic analytic approach. RESULTS: Results showed mandatory requirements for the remitted sample in terms of training configuration, technological and personal factors, and desirable requirements regarding knowledge and enjoyment. Furthermore, knowledge and therapeutic benefits were key requirements for therapists. CONCLUSIONS: The identified requirements provide useful information to be integrated in interventions targeting cognitive control in depression.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».