Users’ perceptions about receiving personalized depression risk information: findings from a qualitative study
Notice bibliographique
Résumé
OBJECTIVES: To understand users' perceptions about receiving their personalized depression risk score and to gain an understanding about how to improve the efficiency of risk communication from the user perspective. METHODS: A qualitative study embedded in a randomized controlled trial (RCT) on evaluating the impact of providing personalized depression risk information on psychological harms and benefits. The participants (20 males and 20 females) were randomly selected from the intervention arm of the RCT after the 12-month assessment. The qualitative interviews were conducted through telephone, audio recorded and transcribed verbatim. We conducted a content analysis to describe the content and contextual meaning of data collected from participants. RESULTS: The first theme explained the motivation for receiving a risk score. Most participants chose to receive their personalised depression risk score with the goal of improving their self-awareness. The results revealed three sub-themes surrounding perceptions and implication of receiving their risk score: positive, negative, and neutral. Most participants found that receiving their score was positive because it improved their awareness of their mental health, but some participants could see that some people would have negative feelings when getting the score causing them to be more likely to get depression. The final theme focussed on improvements including: the best delivery methods, having resources and strategies, and targeting younger people. CONCLUSION: The most significant motivation for, and benefit of receiving one's personalized depression risk score was improved awareness of one's mental health. A comprehensive risk communication program may improve the uptake and maximize the impact on behavior changes and risk reduction.
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 | 0,021 | 0,035 |
| 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 | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».