MétaCan
Menu
Retour à la cohorte
Enregistrement W3174259344 · doi:10.2196/25742

Twitter Users’ Views on Mental Health Crisis Resolution Team Care Compared With Stakeholder Interviews and Focus Groups: Qualitative Analysis

2021· article· en· W3174259344 sur OpenAlexvenueno aff
Natasha Chilman, Nicola Morant, Brynmor Lloyd‐Evans, Jane Wackett, Sonia Johnson

Notice bibliographique

RevueJMIR Mental Health · 2021
Typearticle
Langueen
DomainePsychology
ThématiquePsychiatric care and mental health services
Établissements canadiensnon disponible
Organismes subventionnairesUniversity College LondonNational Institute for Health and Care Research
Mots-clésFocus groupThematic analysisMental healthSocial mediaQualitative researchPsychologyStakeholderContent analysisHealth carePublic relationsMedicineMedical educationSociologyWorld Wide WebComputer sciencePsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,109
Tête enseignante GPT0,452
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetPsychiatric care and mental health servicesTravaux en français237 207