Teens Using Screens for Help: Impact of Suicidal Ideation, Anxiety, and Depression Levels on Youth Preferences for Telemental Health Resources
Notice bibliographique
Résumé
BACKGROUND: High rates of mental illness, stress, and suicidality among teens constitute a major public health concern in the United States. However, treatment rates remain low, partially because of barriers that could be mitigated with tech-based telemental health (TMH) resources, separate from or in addition to traditional care. OBJECTIVE: This study aimed to analyze TMH resource usage by high school students to establish current user characteristics and provide a framework for future development. METHODS: A total of 2789 students were surveyed regarding demographics, recent anxiety and depression symptoms, suicidality, and stress; people with whom they could openly and honestly discuss stress or problems, and prior TMH use. Logistic regression models and a general linear model were used to test relationships between variables. RESULTS: Overall, 30.58% (853/2789) and 22.91% (639/2789) of students reported moderate to severe anxiety and depression symptoms, respectively, in the past 2 weeks; 16.24% (414/2550) had seriously considered suicide in the past year, consistent with national averages. Meanwhile, 16.03% (447/2789) of students had previously used at least 1 of 4 types of TMH resources (ie, self-help, anonymous chat, online counselor, or crisis text line). Teens reporting depression symptoms, higher stress, or suicidality were less likely to talk to a parent about stress or problems and more likely to tell no one. Suicidality was related to the use of all 4 types of TMH resources. Depression symptoms were related to the use of anonymous chat and crisis text line, and those with higher stress were more likely to have used an online counselor. Those reporting anxiety symptoms were less likely to have no one to talk to and more likely to have used a self-help resource. CONCLUSIONS: Youth struggling with mental health symptoms, some of whom lack real-life confidants, are using existing TMH support, with resource preferences related to symptoms. Future research should consider these preferences and assist in the creation of specialized, evidence-based TMH resources.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 ».