MétaCan
Menu
Retour à la cohorte
Enregistrement W4391528615 · doi:10.1371/journal.pgph.0002867

Interdisciplinary perspectives on digital technologies for global mental health

2024· article· en· W4391528615 sur OpenAlexaff
Eva Kühn, Maham Saleem, Thomas Klein, Charlotte Köhler, Daniela C. Fuhr, Sofiia Lahutina, Anna Minarik, Rosemary Musesengwa, Karolin Neubauer, Lotenna Olisaeloka, Francis Osei, Annika Stefanie Reinhold, Ilina Singh, Kerstin Spanhel, Neil Thomas, Tereza Hendl, Philipp Kellmeyer, Kerem Böge

Notice bibliographique

RevuePLOS Global Public Health · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensDalhousie University
Organismes subventionnairesCharité – Universitätsmedizin BerlinBundesministerium für Bildung und ForschungDeutsche Forschungsgemeinschaft
Mots-clésMental healthEquity (law)Context (archaeology)GlobeHealth careEngineering ethicsAdaptation (eye)Public relationsKnowledge managementBusinessPolitical scienceEngineeringComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Digital Mental Health Technologies (DMHTs) have the potential to close treatment gaps in settings where mental healthcare is scarce or even inaccessible. For this, DMHTs need to be affordable, evidence-based, justice-oriented, user-friendly, and embedded in a functioning digital infrastructure. This viewpoint discusses areas crucial for future developments of DMHTs. Drawing back on interdisciplinary scholarship, questions of health equity, consumer-, patient- and developer-oriented legislation, and requirements for successful implementation of technologies across the globe are discussed. Economic considerations and policy implications complement these aspects. We discuss the need for cultural adaptation specific to the context of use and point to several benefits as well as pitfalls of DMHTs for research and healthcare provision. Nonetheless, to circumvent technology-driven solutionism, the development and implementation of DMHTs require a holistic, multi-sectoral, and participatory approach.

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)0,011
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0060,046
Communication savante0,0200,018
Science ouverte0,0020,015
Intégrité de la recherche0,0110,009
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,439
Écart entre enseignants0,374 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLOS Global Public HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207