Mobile health for mental health support: a survey of attitudes and concerns among mental health professionals in Poland over the period 2020-2023
Notice bibliographique
Résumé
Introduction: Mobile health (mHealth) has emerged as a dynamic sector supported by technological advances and the COVID-19 pandemic and have become increasingly applied in the field of mental health. Aim: The aim of this study was to assess the attitudes, expectations, and concerns of mental health professionals, including psychiatrists, psychologists, and psychotherapists, towards mHealth, in particular mobile health self-management tools and telepsychiatry in Poland. Material and methods: This was a survey conducted between 2020 and 2023. A questionnaire was administered to 148 mental health professionals, covering aspects such as telepsychiatry, mobile mental health tools, and digital devices. Results: The majority of professionals expressed readiness to use telepsychiatry, with a peak in interest during the COVID-19 pandemic, followed by a gradual decline from 2022. Concerns about telepsychiatry were reported by a quarter of respondents, mainly related to difficulties in correctly assessing the patient's condition, and technical issues. Mobile health tools were positively viewed by professionals, with 86% believing they could support patients in managing mental health and 74% declaring they would recommend patients to use them. Nevertheless, 29% expressed concerns about the effectiveness and data security of such tools. Notably, the study highlighted a growing readiness among mental health professionals to use new digital technologies, reaching 84% in 2023. Conclusion: These findings emphasize the importance of addressing concerns and designing evidence-based mHealth solutions to ensure long-term acceptance and effectiveness in mental healthcare. Additionally, the study highlights the need for ongoing regulatory efforts to safeguard patient data and privacy in the evolving digital health landscape.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».