MétaCan
Menu
Retour à la cohorte
Enregistrement W2979917958 · doi:10.2196/14385

Young People's Response to Six Smartphone Apps for Anxiety and Depression: Focus Group Study

2019· article· en· W2979917958 sur OpenAlexvenueno aff
Sandra Garrido, Daniel Cheers, Katherine Boydell, Quang Vinh Nguyễn, Emery Schubert, Laura Dunne, Tanya Meade

Notice bibliographique

RevueJMIR Mental Health · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnxietyDepression (economics)Focus groupPsychologySmartphone appSmartphone applicationClinical psychologyPsychiatryMultimediaInternet privacyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Suicide is one of the most frequent causes of death in young people worldwide. Depression lies at the root of this issue, a condition that has a significant negative impact on the lives of those who experience it and on society more generally. However, 80% of affected young people do not obtain professional help for depression and other mental health issues. Therefore, a key challenge is to find innovative and appealing ways to engage young people in learning to manage their mental health. Research suggests that young people prefer to access anonymous Web-based programs rather than get face-to-face help, which has led to the development of numerous smartphone apps. However, the evidence indicates that not all of these apps are effective in engaging the interest of young people who are most in need of help. OBJECTIVE: The study aimed to investigate young people's response to six currently available smartphone apps for mental health and to identify features that young people like and dislike in such apps. METHODS: Focus groups were conducted with 23 young people aged 13 to 25 years in which they viewed and used six smartphone apps for mental health. A general inductive approach following a realist paradigm guided data analysis. RESULTS: The results revealed that young people value autonomy and the opportunity to personalize experiences with these apps above other things. Finding a balance between simplicity and informativeness is also an important factor. CONCLUSIONS: App developers need to consider using participant-design frameworks to ensure that smartphone apps are providing what young people want in a mental health app. Solutions to the need for personalization and increasing user engagement are also crucially needed.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,392
Écart entre enseignants0,371 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations77
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207