MétaCan
Menu
Retour à la cohorte
Enregistrement W4403387553 · doi:10.2196/56567

Expanding a Health Technology Solution to Address Therapist Challenges in Implementing Homework With Adult Clients: Mixed Methods Study

2024· article· en· W4403387553 sur OpenAlexvenueno aff
Brian E. Bunnell, Kaitlyn R. Schuler, Julia Ivanova, Lea Flynn, Janelle Barrera, Jasmine Niazi, Dylan Turner, Brandon M. Welch

Notice bibliographique

RevueJMIR Human Factors · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental Health
Mots-clésPreprintPsychologyMedicineMedical educationPsychotherapistComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Homework is implemented with variable effectiveness in real-world therapy settings, indicating a need for innovative solutions to homework challenges. We developed Adhere.ly, a user-friendly, Health Insurance Portability and Accountability Act-compliant web-based platform to help therapists implement homework with youth clients and their caregivers. The initial version had limited functionality, was designed for youth clients and their caregivers, and required expanding available features and exercises to suit adult clients. OBJECTIVE: The purpose of this study was to better understand barriers and potential solutions to homework implementation experienced by therapists seeing adult clients and obtain their input on new features and exercises that would enable Adhere.ly to better meet their needs when working with this population. METHODS: This study used an exploratory, sequential mixed methods design that included 13 semistructured focus groups with mental health therapists and clinic leaders and a survey administered to 100 therapists. Analyses were performed using the NVivo qualitative analysis software and SPSS. RESULTS: The findings revealed common barriers, such as clients and therapists being busy, forgetting to complete homework, managing multiple platforms and homework materials, and clients lacking motivation. Adhere.ly was perceived as a potential solution, particularly its user-friendly interface and SMS text-message based reminders. Therapists suggested integrating Adhere.ly with telemedicine and electronic health record platforms and adding more exercises to support manualized therapy protocols and therapy guides. CONCLUSIONS: This study highlights the importance of technology-based solutions in addressing barriers to homework implementation in mental health treatment with adult clients. Adhere.ly shows promise in addressing these challenges and has the potential to improve therapy efficiency and homework completion rates. The input from therapists informed the development of Adhere.ly, guiding the expansion of features and exercises to better meet the needs of therapists working with adult clients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,146
Tête enseignante GPT0,530
Écart entre enseignants0,385 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetDigital Mental Health InterventionsTravaux en français237 207