Twitter Users’ Views on Mental Health Crisis Resolution Team Care Compared With Stakeholder Interviews and Focus Groups: Qualitative Analysis
Notice bibliographique
Résumé
BACKGROUND: Analyzing Twitter posts enables rapid access to how issues and experiences are socially shared and constructed among communities of health service users and providers, in ways that traditional qualitative methods may not. OBJECTIVE: To enrich the understanding of mental health crisis care in the United Kingdom, this study explores views on crisis resolution teams (CRTs) expressed on Twitter. We aim to identify the similarities and differences among views expressed on Twitter compared with interviews and focus groups. METHODS: We used Twitter's advanced search function to retrieve public tweets on CRTs. A thematic analysis was conducted on 500 randomly selected tweets. The principles of refutational synthesis were applied to compare themes with those identified in a multicenter qualitative interview study. RESULTS: The most popular hashtag identified was #CrisisTeamFail, where posts were principally related to poor quality of care and access, particularly for people given a personality disorder diagnosis. Posts about CRTs giving unhelpful self-management advice were common, as were tweets about resource strains on mental health services. This was not identified in the research interviews. Although each source yielded unique themes, there were some overlaps with themes identified via interviews and focus groups, including the importance of rapid access to care. Views expressed on Twitter were generally more critical than those obtained via face-to-face methods. CONCLUSIONS: Traditional qualitative studies may underrepresent the views of more critical stakeholders by collecting data from participants accessed via mental health services. Research on social media content can complement traditional or face-to-face methods and ensure that a broad spectrum of viewpoints can inform service development and policy.
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 | 0,015 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».