MétaCan
Menu
Retour à la cohorte
Enregistrement W2911350452 · doi:10.2196/11600

Cultural Adaptation of a Scalable World Health Organization E-Mental Health Program for Overseas Filipino Workers

2019· article· en· W2911350452 sur OpenAlexvenueno aff
Melissa R. Garabiles, Melissa Harper Shehadeh, Brian J. Hall

Notice bibliographique

RevueJMIR Formative Research · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health Organization
Mots-clésMental healthPsychological interventionAdaptation (eye)Global mental healthPsychologyApplied psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Electronic mental (e-mental) health interventions can address mental health needs of different populations. Cultural adaptation of these interventions is crucial to establish a better fit with the cultural group and to achieve better treatment outcomes. OBJECTIVE: This study aimed to describe the cultural adaptation of the World Health Organization's e-mental health program Step-by-Step for overseas Filipino workers. We used a framework which posits that cultural adaptation should enhance (1) relevance, wherein the cultural group can relate with the content; (2) acceptability, where the cultural group will not find any element offensive; (3) comprehensibility, where the program is understandable; and (4) completeness, wherein the adapted version covers the same concepts and constructs as the original program. We aimed to have English and Filipino and male and female versions. METHODS: Overall, 3 experienced Filipino psychologists provided their perspectives on the program and how it might be adapted for overseas Filipino workers. We then adapted the program and obtained feedback from 28 overseas Filipino workers from diverse industries through focus group discussions. We conducted 7 and 9 focus group discussions with male and female participants, respectively. Per discussion, cognitive interviewing was used to probe for relevance, acceptability, comprehensibility, and completeness of illustrations and text. Participant feedback guided iterative program adaptations, which were again shown to participants for validation and improvement. RESULTS: Several issues were raised by participants about the generic version of Step-by-Step. There were elements deemed irrelevant, like unfitting characters, lack of Filipino values, and unsuitable problems and activities. There were unacceptable components that were stigmatizing, political, inappropriate to context or subgroups, and too feminine for male users. Some elements were incomprehensible, unclear, or complicated. To address these issues, we made key adaptations. To enhance relevance, we adapted the narrative to match the experiences of overseas Filipino workers, incorporated Filipino values, and illustrated familiar problems and activities. To increase acceptability, our main characters were changed to wise elders rather than health professionals (reducing mental health and help-seeking stigma), political or unacceptable content was removed, and the program was made suitable for overseas Filipino workers from different sectors. To increase comprehension, we used English and Filipino languages, simplified the text to ease interpretation of abstract terms, and ensured that text and illustrations matched. We also used Taglish (ie, merged English and Filipino) when participants deemed pure Filipino translations sounded odd or incomprehensible. Finally, we retained the core elements and concepts included in the original Step-by-Step program to maintain completeness. CONCLUSIONS: This study showed the utility of a 4-point framework that focuses on acceptance, relevance, comprehensibility, and completeness in cultural adaptation. Moreover, we achieved a culturally appropriate adapted version of the Step-by-Step program for overseas Filipino workers. We discuss lessons learned in the process to guide future cultural adaptation projects of e-mental health interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,514
Écart entre enseignants0,413 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetDigital Mental Health InterventionsTravaux en français237 207