What criteria are young people using to select mobile mental health applications? A nominal group study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 découle