Experiences of a Digital Mental Health Intervention from the Perspectives of Young People Recovering from First-Episode Psychosis: A Focus Group Study
Notice bibliographique
Résumé
Horyzons is a digital health intervention designed to support recovery in young people receiving specialized early intervention services for first-episode psychosis (FEP). Horyzons was developed in Australia and adapted for implementation in Canada based on input from clinicians and patients (Horyzons-Canada Phase 1) and subsequently pilot-tested with 20 young people with FEP (Horyzons-Canada Phase 2). OBJECTIVE: To understand the experiences of young adults with FEP who participated in the pilot study based on focus group data. METHODS: Among the twenty individuals that accessed the intervention, nine participated across four focus groups. Three team members were involved in data management and analysis, informed by a thematic analysis approach. A coding framework was created by adapting the Phase 1 framework to current study objectives, then revised iteratively by applying it to the current data. Once the coding framework was finalized, it was systematically applied to the entire dataset. RESULTS: Four themes were identified: (1) Perceiving Horyzons-Canada as helpful for recovery; (2) Appreciating core intervention components (i.e., peer networking; therapeutic content; moderation) and ease of use; (3) Being unaware of its features; and (4) Expressing concerns, suggestions, and future directions. CONCLUSIONS: Horyzons-Canada was well received, with participants wanting it to grow in scale, accessibility, and functionality.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».