What criteria are young people using to select mobile mental health applications? A nominal group study
Notice bibliographique
Résumé
Objective: The popularity of smartphone technology provides a unique opportunity to make mental health support widely accessible, especially among young people. Despite the promising results of some mobile mental health support applications, the overwhelming number of available applications (apps) on the market makes it difficult to make a choice that will be safe and effective. Currently, widely available tools are either developed by experts, without end user input or are solely based on usability rankings. Thus, it remains unclear what aspects of mental health apps are important for young people. The purpose of this study was to determine what criteria young adults use when they select mental health applications and what is the relative importance of these criteria to inform the development of a user-driven app-rating platform. Methods: We conducted 4 group sessions with 47 youth and young adults aged 15-25 in British Columbia, Canada using a modified nominal group technique. This method allows for establishing the relative importance of criteria in a structured group discussion. We recorded, transcribed and analysed the resulting data using qualitative content analysis and quantitative methods. Results: Criteria that are the most important to young adults when selecting mental health apps include accessibility, security and grounding in scientific evidence. We identified specific aspects of the discussed criteria which were ranked in the order of importance. Conclusion: Consulting end users about their priorities when evaluating mental health apps ensures that their values and priorities are incorporated into future app-rating platforms, alongside expert opinions. The present study also outlines the common contexts in which apps are used as well as their desirable features to inform mental health app development.
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 | 0,018 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».