Patients’ Experiences of Using a Self-help App for Posttraumatic Stress Disorder: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Posttraumatic stress disorder (PTSD) is a common disorder that requires more treatment options. Mobile health (mHealth) app interventions are promising for patients with PTSD, as they can provide easily accessible support, strategies, and information. However, knowledge about mHealth interventions is sparse and primarily based on quantitative studies. OBJECTIVE: The aim of this study is to qualitatively explore the experiences of patients with PTSD with regard to using an mHealth app as a stand-alone intervention before commencing psychotherapeutic treatment. METHODS: We conducted semistructured interviews with 14 participants 6 weeks after they received the app. The participants were all referred to PTSD treatment and were waiting to commence psychotherapeutic treatment. During this waiting time, the participants had no contact with the health staff. Interviews were transcribed and were analyzed using thematic analysis. RESULTS: A total of 3 themes were identified-the use of app, being a patient, and the overall evaluation of the app. The use of the app was described with the subtheme of habits, and the theme of being a patient included the subthemes of having negative experiences with the app and being a part of a research project. The use of the app encompassed how psychological factors and technical problems could interfere with the use of the app. The theme of being a patient depicted that the waiting time before starting treatment was long, and a subgroup of patients experienced feeling worse during this time, which they partly attributed to using the app. Several suggestions for change have been described in the overall evaluation of the app. CONCLUSIONS: The findings in this study revealed that emotional arousal influenced the use of the app and that it was difficult for participants to establish a habit of using the app, thus reflecting the importance of supporting habit formation when implementing an mHealth app in mental health care services. This study makes an important contribution to the field of mHealth research, as it revealed that some participants had negative experiences resulting from using the app, thus reflecting the potential harm of having an mHealth app without the support of a clinician. It is therefore recommended to use a blended care treatment or an approach in which mental health care professionals prescribe an mHealth app for relevant patients to avoid increased suicidal risk.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».