Early Psychosis Service User Views on Digital Technology: Qualitative Analysis
Notice bibliographique
Résumé
BACKGROUND: Digital technology has the potential to improve outcomes for people with psychosis. However, to date, research has largely ignored service user views on digital health interventions (DHIs). OBJECTIVE: The objective of our study was to explore early psychosis service users' subjective views on DHIs. METHODS: Framework analysis was undertaken with data obtained from 21 semistructured interviews with people registered with early intervention for psychosis services. Robust measures were used to develop a stable framework, including member checking, triangulation, independent verification of themes, and consensus meetings. RESULTS: The following 4 themes were established a priori: acceptability of technology in psychosis and mental health; technology increasing access to and augmenting mental health support; barriers to adopting DHIs; and concerns about management of data protection, privacy, risk, and security of information. The following 2 themes were generated a posteriori: blending DHIs with face-to-face treatment and empowerment, control, and choice. DHIs were also viewed as potentially destigmatizing, overcoming barriers faced in traditional service settings, facilitating communication, and empowering service users to take active control of their health care. CONCLUSIONS: In the first study of its kind, early psychosis service users' were largely positive about the potential use of DHIs supporting and managing mental health. Overall, service users felt that DHIs were a progressive, modern, and relevant platform for health care delivery. Concerns were expressed around privacy and data security and practical barriers inherent within DHIs, all of which require further attention. Future research should explore whether findings transfer to other service user groups, other technology delivery formats, and across a range of treatment modalities.
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 | 0,001 | 0,003 |
| 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 | 0,012 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».