Implementing a mental health app library in primary care: A feasibility study
Notice bibliographique
Résumé
Confronted with a wide range of digital health tools (DHT), professionals and patients need guidance to use these tools correctly and optimize health management. In the fall of 2020, a DHT library developed by Quebec-based company TherAppX was implemented in 22 institutions. The library was designed to enable healthcare professionals to use DHT in clinical care. The purpose of the current study was to assess the feasibility of implementing the library, including user experience, changes in DHT recommendation habits, and factors that helped or hindered the implementation process. A multi-methods design focusing on secondary use of quantitative data collected by TherAppX and semi-structured interviews with users was employed. While the quantitative analyses indicated infrequent use of the library, qualitative analyses highlighted several factors that hindered its implementation, including certain library and user characteristics and the unprecedented context of the COVID-19 pandemic. Nevertheless, the quantitative analyses confirmed interest in DHT and their usefulness during follow-ups. The results revealed a marginally significant pre-post changes in the frequency with which DHT were recommended. This study helped identify areas for improvements and indicates that further evaluation is needed. Future implementations would benefit from ensuring optimal conditions for a successful implementation. • The results demonstrate the interest of mental health professionals in the DHT library. • The results clearly show the potential of the DHT library to support professionals. • Implementation settings, the DHT library, and user characteristics influence its use. • Improvements have been suggested for access, performance and tracking of information. • Future implementations depend on creating optimal conditions for success.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».