MétaCan
Menu
← Retour à la cohorte
Enregistrement W4223449923 · doi:10.2196/36820

Video Game to Attenuate Pandemic-Related Stress From an Equity Lens: Development and Usability Study

2022· article· en· W4223449923 sur OpenAlexafffundvenueabout
Nadia Minian, Anika Saiva, Allison Gayapersad, Rosa Dragonetti, Catherine Proulx, Patricia Debergue, Julia Lecce, Sarwar Hussain, Eric Desjardins, Peter Selby

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensPublic Health OntarioUniversity of TorontoNational Research Council CanadaCentre for Addiction and Mental Health
Organismes subventionnairesUniversity of TorontoCentre for Addiction and Mental Health
Mots-clésUsabilityVideo gamePluralistic walkthroughMental healthHeuristic evaluationSystem usability scaleApplied psychologyPsychologyAnalyticsComputer scienceMultimediaHuman–computer interactionPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The emergence of the novel coronavirus (COVID-19) has introduced additional pressures on an already fragile mental health care system due to a significant rise in depression, anxiety, and stress among Canadians. Although cognitive behavioral therapy (CBT) is known to be an efficacious treatment to reduce such mental health issues, few people have access to CBT in an engaging and sustainable manner. To address this gap, a collaboration between the Centre for Addiction and Mental Health (CAMH) and the National Research Council of Canada (NRC) developed CBT-based self-led, online, clinician-tested modules in the form of a video game, named Legend of Evelys, and evaluated its usability in the attenuation of a COVID-19-related increase in stress. OBJECTIVE: We here present the conceptualization and design of new self-care modules in the form of a video game, its implementation in a technological infrastructure, and inclusivity and privacy considerations that informed the development. A usability study of the modules was performed to assess the video game's usability, user engagement, and user perceptions. METHODS: The development of the video game involved establishment of a technology infrastructure for secure implementation of the software for the modules and a clinician-led assessment of the clinical utility of these modules through two "whiteboard" sessions. The usability study was informed by a mixed methods sequential explanatory design to evaluate the intervention of the mobile app through two distinct phases: quantitative data collection using in-app analytics data and two surveys, followed by qualitative data collection by semistructured interviews. RESULTS: =3.628, P=.001). Qualitative interviews helped participants identify numerous functionality issues and provided specific recommendations, most of which were successfully integrated into the video game for future release. CONCLUSIONS: Through this collaboration, we have established that it is possible to incorporate CBT exercises into a video game and have these exercises adopted to address stress. While video games are a promising strategy to help people with their stress and anxiety, there is a further need to examine the real-world effectiveness of the Legend of Evelys in reducing anxiety.

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)0,004
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,229
Tête enseignante GPT0,546
Écart entre enseignants0,317 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetDigital Mental Health Interventions→Travaux en français237 207→