Engaging With a Web-Based Psychosocial Intervention for Psychosis: Qualitative Study of User Experiences
Notice bibliographique
Résumé
BACKGROUND: Web-based interventions are increasingly being used for individuals with serious mental illness, including psychosis, and preliminary evidence suggests clinical benefits. To achieve such benefits, individuals must have some level of engagement with the intervention. Currently, little is known about what influences engagement with web-based interventions for individuals with psychotic disorders. OBJECTIVE: This study aimed to explore users' perspectives on what influenced engagement with a web-based intervention for psychosis. METHODS: A qualitative design was employed using semistructured telephone interviews. Participants were 17 adults with psychosis who had participated in a trial examining engagement with a self-guided, web-based intervention promoting personal recovery and self-management of mental health. RESULTS: We identified 2 overarching themes: challenges to using the website and factors supporting persistence. Both of the main themes included several subthemes related to both user-related factors (eg, mental health, personal circumstances, approach to using the website) and users' experience of the intervention (eg, having experienced similar content previously or finding the material confronting). CONCLUSIONS: Individuals with psychosis experienced several challenges to ongoing engagement with a web-based intervention. Adjunctive emails present an important design feature to maintain interest and motivation to engage with the intervention. However, fluctuations in mental health and psychosocial difficulties are a significant challenge. Design and implementation considerations include flexible interventions with tailoring opportunities to accommodate changeable circumstances and individual preferences.
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) | 0,000 | 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 ».