Development of a Peer Support Mobile App and Web-Based Lesson for Adolescent Mental Health (Mind Your Mate): User-Centered Design Approach
Notice bibliographique
Résumé
BACKGROUND: Digital technologies and mobile interventions are possible tools for prevention initiatives to target the substantial social and economic impacts that anxiety, mood, and substance use disorders have on young people. OBJECTIVE: This paper described the design and development of the Mind your Mate program, a smartphone app and introductory classroom lesson enhancing peer support around the topics of anxiety, depression, and substance use for adolescents. METHODS: The development of Mind your Mate was an iterative process conducted in collaboration with adolescents (n=23), experts, school staff, and software developers. The development process consisted of 3 stages: scoping; end-user consultations, including a web-based survey and 2 focus groups with 23 adolescents (mean age 15.9, SD 0.6 years); and app development and beta-testing. RESULTS: This process resulted in a smartphone peer support app and introductory classroom lesson aimed at empowering adolescents to access evidence-based information and tools to better support peers regarding mental health and substance use-related issues. The program contains links to external support services and encourages adolescents to reach out for help if they are concerned about themselves or a friend. CONCLUSIONS: The Mind your Mate program was developed in collaboration with a number of key stakeholders in youth mental health, including adolescents. The resulting program has the potential to be taken to scale to aid prevention efforts for youth mental health and substance use. The next step is to conduct a randomized controlled trial testing the feasibility, acceptability, and efficacy of the program.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».