Development of an mHealth App–Based Intervention for Depressive Rumination (RuminAid): Mixed Methods Focus Group Evaluation
Notice bibliographique
Résumé
BACKGROUND: Depression is a common mental health condition that poses a significant public health burden. Effective treatments for depression exist; however, access to evidence-based care remains limited. Mobile health (mHealth) apps offer an avenue for improving access. However, few mHealth apps are informed by evidence-based treatments and even fewer are empirically evaluated before dissemination. To address this gap, we developed RuminAid, an mHealth app that uses evidence-based treatment components to reduce depression by targeting a single key depressogenic process-rumination. OBJECTIVE: The primary objective of this study was to collect qualitative and quantitative feedback that could be used to improve the design of RuminAid before the software development phase. METHODS: We reviewed empirically supported interventions for depression and rumination and used the key aspects of each to create a storyboard version of RuminAid. We distributed an audio-guided presentation of the RuminAid storyboard to 22 individuals for viewing and solicited user feedback on app content, design, and perceived functionality across 7 focus group sessions. RESULTS: The consumer-rated quality of the storyboard version of RuminAid was in the acceptable to good range. Indeed, most participants reported that they thought RuminAid would be an engaging, functional, and informational app. Likewise, they endorsed overwhelming positive beliefs about the perceived impact of RuminAid; specifically, 96% (21/22) believed that RuminAid will help depressed ruminators with depression and rumination. Nevertheless, the results highlighted the need for improved app aesthetics (eg, a more appealing color scheme and modern design). CONCLUSIONS: Focus group members reported that the quality of information was quite good and had the potential to help adults who struggle with depression and rumination but expressed concern that poor aesthetics would interfere with users' desire to continue using the app. To address these comments, we hired a graphic designer and redesigned each screen to improve visual appeal. We also removed time gating from the app based on participant feedback and findings from related research. These changes helped elevate RuminAid and informed its initial software build for a pilot trial that focused on evaluating its feasibility and acceptability.
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 | 0,030 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».