Designing High-Fidelity Mobile Health for Depression in Indonesian Adolescents Using Design Science Research: Mixed Method Approaches
Notice bibliographique
Résumé
BACKGROUND: COVID-19 mitigation protocols, enacted to control the pandemic, have also been shown to have a negative impact on mental health, including the mental health of adolescents. The threat of being infected by SARS-CoV-2 and substantial changes in lifestyle, including limited social interaction due to stay-at-home orders, led to loneliness as well as depressive symptoms. However, offline psychological assistance is restricted, as psychologists are bounded by mitigation protocols. Further, not all adolescents' guardians are open to their children attending or have the means to pay for psychological service; thus, adolescents remain untreated. Having a mobile health (mHealth) app for mental health that uses monitoring, provides social networks, and delivers psychoeducation may provide a solution, especially in countries that have limited health facilities and mental health workers. OBJECTIVE: This study aimed to design an mHealth app to help prevent and monitor depression in adolescents. The design of this mHealth app was carried out as a high-fidelity prototype. METHODS: We used a design science research (DSR) methodology with 3 iterations and 8 golden rule guidelines. The first iteration used interviews, and the second and third iterations used mixed method approaches. The DSR stages include the following: (1) identify the problem; (2) define the solution; (3) define the solution objective; (4) develop, demonstrate, and evaluate the solution; and (5) communicate the solution. This study involved students and medical experts. RESULTS: The first iteration resulted in a wireframe and prototype for the next iteration. The second iteration resulted in a System Usability Scale score of 67.27, indicating a good fit. In the third iteration, the system usefulness, information quality, interface quality, and overall values were 2.416, 2.341, 2.597, and 2.261, respectively, indicating a good design. Key features of this mHealth app include a mood tracker, community, activity target, and meditation, and supporting features that complement the design include education articles and early detection features. CONCLUSIONS: Our findings provide guidance for health facilities and to design and implement future mHealth apps to help treat adolescent depression.
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 | 0,073 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».