Designing and implementing a physical exercise intervention for people with first episode psychosis using experience-based co-design: A pilot study from Chennai, India
Notice bibliographique
Résumé
BACKGROUND: Physical exercise can improve outcomes for people with first-episode psychosis (FEP). Co-designing physical exercise interventions with end users has the potential to enhance their acceptability, feasibility, and long-term viability. This study's objective was to use experience-based co-design (EBCD) methodology to develop a physical exercise intervention for FEP, and pilot test it. METHODS: The study was conducted at the Schizophrenia Research Foundation's FEP program in Chennai, India. Participants(N=36) were individuals with FEP and their caregivers, mental health professionals (MHPs, and physical training experts. EBCD methodology included one-to-one interviews, focus group discussions, joint conferences, and co-design workshops. Two instructional videos were developed. Twelve FEP patients engaged in physical exercise with help of the videos over three months. They were followed up through weekly phone calls and in-person interviews to capture data on regularity, frequency, location of exercise, and comfort levels. RESULTS: Several touch points emerged from the interviews, focus groups, and joint meetings including lack of motivation, knowledge about physical exercise; differing perspectives about physical exercise; limited resource, and time constraints. Two instructional videos demonstrating activities for participants incorporated strategies that addressed these touch points. Pilot data indicated that participants engaged with the physical exercise intervention over 3 months. CONCLUSION: This was the first study to use co-design methodology to design a physical exercise intervention for first-episode psychosis. The intervention may have therefore been responsive to stakeholder needs and preferences. Results of this study highlight the potential of co-design in designing and adapting interventions. There is need for rigorous testing with larger samples.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».