Co-Design of a Digital Health Tool for Use by Individuals With Opioid Use Disorder: App4Independence (A4i-O)
Notice bibliographique
Résumé
BACKGROUND: Opioid use disorder (OUD) has arguably the highest mortality rate of mental health conditions; opiate-related deaths are identified as the number one cause of accidental deaths in Canada and the United States. Specialized care for OUD is often described as lacking, fractured, and with frequent periods of disengagement. Digital health strategies may support connection to evidence-based resources even during periods of disengagement. However, sustained engagement in digital interventions remains a barrier, and as such, experts recommend using co-design approaches to develop interventions. METHODS: The current study outlines the results from a qualitative co-design project that engaged 6 lived experts and 8 clinical experts in a series of focus groups and interviews to adapt an existing intervention for use in OUD. Focus groups and interviews were recorded and transcribed before undergoing thematic analysis. This co-design process is the first stage of a larger project that will lead to the development of a novel digital health intervention for OUD populations. RESULTS: Transcripts underwent thematic analysis, and themes were divided into Crosscutting Themes, Feasibility and Engagement, and Specific Features. Each theme was divided into specific subthemes, which were reviewed by the design team and informed the design of the digital health platform. Key resulting directions included creating a psychologically safe digital space, curating resources for OUD as a multifaceted condition, and being mindful of barriers to implementation from both lived and clinical expert perspectives. Specific features are discussed in detail in the article. CONCLUSION: Lived experts and clinicians strongly supported integrating digital tools into OUD care. Ongoing work is needed to better understand the role of technology in existing OUD structures as well as the implementation of key features such as digital peer support and creating effective and safe social connections. This study also validates co-design as an essential step in digital health development.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| 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 ».