Tailoring a Digital Mental Health Program for Patients With Sickle Cell Disease: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Depression and other mental health disorders are prevalent among people living with chronic health conditions. Although digital cognitive behavioral therapy (CBT) is considered an effective treatment, African American individuals are less likely to engage in and adhere to digital therapies for mental health disorders compared with White individuals. OBJECTIVE: The aim of this study was to understand digital CBT mental health treatment perceptions and preferences of African American individuals with sickle cell disease (SCD). METHODS: African American individuals with SCD from various US locations were invited to participate in a series of focus groups. Participants were introduced to a health coach-supported mental health app and then asked a series of questions about the usability and appeal of the program as well as, more generally, what would make a digital mental health program effective for them. The authors reviewed the focus group transcripts and conducted a qualitative analysis of the results. RESULTS: A total of 25 people participated in 5 focus groups. Overall, 5 primary themes emerged regarding how app content and related coaching could be modified to enhance digital CBT engagement. These themes included connection with others living with SCD, the personalization of app content and coaching, characteristics of coaches, journaling and pain tracking, and considerations for optimal engagement. CONCLUSIONS: Enhancing the user experience by making digital CBT tools relevant to patient populations is critical for optimizing program engagement and its uptake. Our findings highlight potential strategies to modify and design digital CBT tools for users with SCD and may also be applicable to patients with other chronic conditions. TRIAL REGISTRATION: ClinicalTrials.gov NCT04587661; https://clinicaltrials.gov/ct2/show/NCT04587661.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».