MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312531093 · doi:10.2196/38894

The Cultural Adaption of a Sobriety Support App for Alaska Native and American Indian People: Qualitative Feasibility and Acceptability Study

2022· article· en· W4312531093 sur OpenAlexvenueno aff
Susan Brown Trinidad, Aliassa L. Shane, Tiffany R. Guinn, Charlene R. Apok, Ann Futterman Collier, Jaedon P. Avey, Dennis M. Donovan

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésSobrietymHealthInternet privacyPhonePeer supportAbstinencePopulationPsychologyMedicineNursingPsychological interventionComputer scienceEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite high rates of alcohol abstinence, Alaska Native and American Indian (ANAI) people experience a disproportionate burden of alcohol-related morbidity and mortality. Multiple barriers to treatment exist for this population, including a lack of culturally relevant resources; limited access to or delays in receiving treatment; and privacy concerns. Many ANAI people in the state of Alaska, United States, live in sparsely populated rural areas, where treatment access and privacy concerns regarding peer-support programs may be particularly challenging. In addition, prior research demonstrates that many ANAI people prefer a self-management approach to sobriety, rather than formal treatment. Taken together, these factors suggest a potential role for a culturally adapted smartphone app to support ANAI people interested in changing their behavior regarding alcohol use. OBJECTIVE: This study was the first phase of a feasibility and acceptability study of a culturally tailored version of an off-the-shelf smartphone app to aid ANAI people in managing or reducing their use of alcohol. The aim of this qualitative needs assessment was to gather insights and preferences from ANAI people and health care providers serving ANAI people to guide feature development, content selection, and cultural adaptation before a pilot test of the smartphone app with ANAI people. METHODS: From October 2018 to September 2019, we conducted semistructured interviews with 24 ANAI patients aged ≥21 years and 8 providers in a tribal health care organization in south-central Alaska. RESULTS: Participants generally endorsed the usefulness of a smartphone app for alcohol self-management. They cited anonymity, 24/7 access, peer support, and patient choice as key attributes of an app. The desired cultural adaptations included ANAI- and land-themed design elements, cultural content (eg, stories from elders), and spiritual resources. Participants considered an app especially useful for rural-dwelling ANAI people, as well as those who lack timely access to treatment services or prefer to work toward managing their alcohol use outside the clinical setting. CONCLUSIONS: This needs assessment identified key features, content, and cultural adaptations that are being implemented in the next phase of the study. In future work, we will determine the extent to which these changes can be accommodated in a commercially available app, the feasibility of implementation, and the acceptability of the culturally adapted version of the app among ANAI users.

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)0,013
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,003
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
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 Opus0,111
Tête enseignante GPT0,486
Écart entre enseignants0,375 · 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'étudeQualitatif
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetSubstance Abuse Treatment and Outcomes→Travaux en français237 207→