Social Representations of e-Mental Health Among the Actors of the Health Care System: Free-Association Study
Notice bibliographique
Résumé
BACKGROUND: Electronic mental (e-mental) health offers an opportunity to overcome many challenges such as cost, accessibility, and the stigma associated with mental health, and most people with lived experiences of mental problems are in favor of using applications and websites to manage their mental health problems. However, the use of these new technologies remains weak in the area of mental health and psychiatry. OBJECTIVE: This study aimed to characterize the social representations associated with e-mental health by all actors to implement new technologies in the best possible way in the health system. METHODS: A free-association task method was used. The data were subjected to a lexicometric analysis to qualify and quantify words by analyzing their statistical distribution, using the ALCESTE method with the IRaMuTeQ software. RESULTS: In order of frequency, the terms most frequently used to describe e-mental health in the whole corpus are: "care" (n=21), "internet" (n=21), "computing" (n=15), "health" (n=14), "information" (n=13), "patient" (n=12), and "tool" (n=12). The corpus of text is divided into 2 themes, with technological and computing terms on one side and medical and public health terms on the other. The largest family is focused on "care," "advances," "research," "life," "quality," and "well-being," which was significantly associated with users. The nursing group used very medical terms such as "treatment," "diagnosis," "psychiatry"," and "patient" to define e-mental health. CONCLUSIONS: This study shows that there is a gap between the representations of users on e-mental health as a tool for improving their quality of life and those of health professionals (except nurses) that are more focused on the technological potential of these digital care tools. Developers, designers, clinicians, and users must be aware of the social representation of e-mental health conditions uses and intention of use. This understanding of everyone's stakes will make it possible to redirect the development of tools to adapt them as much as possible to the needs and expectations of the actors of the mental health system.
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 | 0,010 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».