User-Guided Enhancements to a Technology-Facilitated Resilience Program to Address Opioid Risks Following Traumatic Injury in Youth: Qualitative Interview Study
Notice bibliographique
Résumé
BACKGROUND: Youth with traumatic injury experience elevated risk for behavioral health disorders, yet posthospital monitoring of patients' behavioral health is rare. The Telehealth Resilience and Recovery Program (TRRP), a technology-facilitated and stepped access-to-care program initiated in hospitals and designed to be integrated seamlessly into trauma center operations, is a program that can potentially address this treatment gap. However, the TRRP was originally developed to address this gap for mental health recovery but not substance use. Given the high rates of substance and opioid use disorders among youth with traumatic injury, there is a need to monitor substance use and related symptoms alongside other mental health concerns. OBJECTIVE: This study aimed to use an iterative, user-guided approach to inform substance use adaptations to TRRP content and procedures. METHODS: We conducted individual semistructured interviews with adolescents (aged 12-17 years) and young adults (aged 18-25 years) who were recently discharged from trauma centers (n=20) and health care providers from two level 1 trauma centers (n=15). Interviews inquired about reactions to and recommendations for expanding TRRP content, features, and functionality; factors related to TRRP implementation and acceptability; and current strategies for monitoring patients' postinjury physical and emotional recovery and opioid and substance use. Interview responses were transcribed and analyzed using thematic analysis to guide new TRRP substance use content and procedures. RESULTS: Themes identified in interviews included gaps in care, task automation, user personalization, privacy concerns, and in-person preferences. Based on these results, a multimedia, web-based mobile education app was developed that included 8 discrete interactive education modules and 6 videos on opioid use disorder, and TRRP procedures were adapted to target opioid and other substance use disorder risk. Substance use adaptations included the development of a set of SMS text messaging-delivered questions that monitor both mental health symptoms and substance use and related symptoms (eg, pain and sleep) and the identification of validated mental health and substance use screening tools to monitor patients' behavioral health in the months after discharge. CONCLUSIONS: Patients and health care providers found the TRRP and its expansion to address substance use acceptable. This iterative, user-guided approach yielded novel content and procedures that will be evaluated in a future trial.
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 | 0,016 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».