Tailoring of a Smartphone Smoking Cessation App (Kick.it) for Serious Mental Illness Populations: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Smoking rates of Australians with severe mental illness (SMI) are disproportionately higher than the general population. Despite the rapid growth in mobile health (mHealth) apps, limited evidence exists to inform their design for SMI populations. OBJECTIVE: This study aimed to explore the feasibility, acceptability, and utility of adapting a novel smoking cessation app (Kick.it) to assist smokers with SMI to prevent smoking relapse and quit. METHODS: Using co-design, two in-depth interviews with 12 adult smokers and ex-smokers with SMI were conducted in this qualitative study. Stage 1 interviews explored participants' smoking-related experiences and perceptions of social support for smoking cessation, informed the development of the stage 2 interview schedule, and provided context for participants' responses to the second interview. Stage 2 interviews explored participants' perceptions of the feasibility, utility, and acceptability of the app features for SMI populations. RESULTS: People with SMI perceived mHealth interventions to support their quit smoking attempts as feasible, acceptable, and useful. Key emerging themes included personalization of the app to users' psychosocial needs, a caring app to mediate self-esteem and self-efficacy, an app that normalizes smoking relapse and multiple quit attempts, a strong focus on user experience to improve usability, and a social network to enhance social support for smoking cessation. CONCLUSIONS: This study gained an in-depth understanding of the lived experiences of smoking and quitting among people with SMI and their perception of the Kick.it app features to help inform the tailoring of the app. Specific program tailoring is required to assist them in navigating the complex interactions between mental illness and smoking in relation to their psychosocial well-being and capacity to quit. This study describes the adaptations required for the Kick.it app to meet the specific needs and preferences of people with SMI. Results of this study will guide the tailoring of the Kick.it app for SMI populations. The study findings can also inform a co-design process for the future development and design of smoking cessation apps for SMI populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».