MétaCan
Menu
← Retour à la cohorte
Enregistrement W4206300177 · doi:10.31219/osf.io/cmnef

Canadian perspectives of digital mental health supports: Findings from a national survey conducted during the COVID-19 pandemic

2022· preprint· en· W4206300177 sur OpenAlexaboutno aff
Nelson Shen, Iman Kassam, Sheng Chen, Clement Ma, Wei Wang, Navi Boparai, Damian Jankowicz, Gillian Strudwick

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthDigital healthSeekersHealth carePandemicPsychologyMental health carePopulationNursingMedicinePsychiatryCoronavirus disease 2019 (COVID-19)Environmental healthDiseasePolitical scienceInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Objectives: The impact of the COVID-19 pandemic on population mental health has highlighted the potential for digital mental health to support the needs of those requiring care. This study sought to understand the digital mental health experiences and priorities of Canadians affected by mental health conditions (i.e., seekers, patients, and care partners). Methods: A national cross-sectional electronic survey of Canadians was administered through a market research firm’s survey panel. Seekers, patients, and care partners were asked about their digital mental health experiences (e.g., uptake, barriers to access) and priorities. Survey responses were summarized using descriptive statistics. Results: Overall, 1003 participants completed the survey. 70.2% of participants routinely use digital mental health supports to support themselves or their care partners; however, only 28.6% of participants are satisfied with the available digital mental health supports. Most participants (73.3%) have encountered some barriers when accessing digital mental health supports. Awareness of digital mental health supports was a top barrier identified by participants. The top digital mental health priorities consisted of digital mental health curation, navigation, and a digital mental health passport. Conclusions: Most participants use digital mental health supports for themselves or others. However, many are unaware of digital mental health supports available. Efforts to improve navigating access to digital and in-person services are seen as top priority, highlighting the need to enable seekers, patients, and care partners to find the appropriate supports and make decisions on how to best improve their mental health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,533

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0150,002
Communication savante0,0040,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,121
Tête enseignante GPT0,433
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Mental Health Interventions→Travaux en français237 207→