Sleep well, worry less: A co-design study for the development of the SMILE app
Notice bibliographique
Résumé
Objective With the coronavirus disease 2019 pandemic exacerbating mental health concerns, the prevalence rates of anxiety and sleep problems have increased alarmingly among youth. Although 90% of patients with anxiety experience sleep problems, current interventions for anxiety often do not target sleep problems in youth. Given this lack, we designed the SMILE app, an intervention that addresses both anxiety and sleep problems simultaneously. Methods As users’ perspectives are essential to ensure app engagement and uptake, the features, designs, and functions of the SMILE app were evaluated using a participatory app design approach. Participants ( N = 17) were youth aged 15 to 25 who reported co-morbid anxiety and sleep issues above clinical thresholds. After completing an online screening survey assessing demographics, anxiety, and sleep problems, participants shared app feedback through group-based, semi-structured co-design sessions. Qualitative analyses were conducted to identify common themes from participants’ feedback. Results While participants expressed enthusiasm for the SMILE app's features, particularly the Visualization, Journaling, and Psychoeducation features, and their variety, they criticized the design aspects of the app, such as the font and text amount. Most participants stated they would use the SMILE app or recommend it to a friend. Conclusion By actively involving the target population in the design process, the SMILE app has the potential to notably improve the mental well-being of youth, though further research and development are required to realize this potential fully.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».