Opportunities and Challenges for Digital Social Prescribing in Mental Health: Questionnaire Study
Notice bibliographique
Résumé
BACKGROUND: The concept of digital social prescription usually refers to social prescriptions that are facilitated by using technology. Tools that enable such digital social prescriptions may be beneficial in recommending nonmedical activities to people with mental illness. As these tools are still somewhat novel and emerging, little is known about their potential advantages and disadvantages. OBJECTIVE: The objective of this study is to identify the potential opportunities and challenges that may arise from digital social prescriptions. METHODS: We developed a qualitative questionnaire that was disseminated through social media (Facebook and Twitter). A purposive sample targeting digital mental health experts and nonexperts was approached. The questionnaire asked participants' views about digital social prescription; the core elements linked with a definition of digital social prescription; and the strengths, weaknesses, opportunities, and threats associated with digital social prescription. RESULTS: Four core elements were recommended to define the concept of digital social prescription: digital, facilitate, user, and social. The main strength identified was the possibility to rapidly start using digital social prescription tools, which were perceived as cost-effective. The main weaknesses were their poor adherence and difficulties with using such tools. The main opportunities were an increased access to social prescription services and the prevention of serious mental illness. The main threats were certain groups being disadvantaged, patients being subject to unintended negative consequences, and issues relating to confidentiality and data protection. CONCLUSIONS: Although digital social prescriptions may be able to effectively augment the social prescriptions, a careful consideration of practical challenges and data ethics is imperative in the design and implementation of such technologies.
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 | 0,016 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».