Young people’s perspectives on engaging with an online mental health program: a focus group study (Preprint)
Notice bibliographique
Résumé
Background: Despite accessibility and clinical benefits, open access trials of self-guided digital health interventions (DHIs) for young people have been plagued by high drop-out rates, with some DHIs recording completion rates of less than 3%. Objective: The aim of this study was to explore how young people motivate themselves to complete an unpleasant task and to explore perceived motivators and demotivators for engaging with a DHI. Methods: In this qualitative research study, 30 children and adolescents aged between 7 and 17 years were recruited to participate in 7 focus groups conducted over a 3-month period. Focus group activities and discussions explored sources of motivation to complete tasks and engage in a hypothetical 6-week DHI for anxiety. Results: Children (aged 7-11 years) reported greater reliance on external motivators such as following parent instruction to complete unpleasant tasks, while adolescents (aged 12-17 years) reported greater internal motivation such as self-discipline. Program factors, such as engaging content, were the most commonly mentioned motivators for engaging with a DHI across both age groups. After that, internal sources of motivation were most commonly mentioned, such as perceived future benefits. External factors were the most commonly mentioned demotivators across all ages, with time commitment being the most frequently mentioned. Conclusions: The study's findings have implications for enhancing adherence in future DHIs targeted to children and adolescents. Recommendations include the need for supportive parental involvement for children, while adolescents would likely benefit from mechanisms that promote autonomy, establish a supportive environment, and align with personal interests and values. Belief that a DHI will provide short-term benefits is important to both children and adolescents, as well as having confidence that future benefits will be realized.
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 | 0,009 | 0,009 |
| 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 | 0,007 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 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 ».