MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404019468 · doi:10.2196/55450

Service Attributes and Acceptability of Digital and Nondigital Depression Management Methods Among Individuals With Depressive Symptoms: Survey Study

2024· article· en· W4404019468 sur OpenAlexvenueno aff
Larry Auyeung, Winnie W. S. Mak, Ella Zoe Tsang

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesChinese University of Hong Kong
Mots-clésPreprintDepression (economics)Service (business)PsychologyDepressive symptomsMedicineClinical psychologyPsychiatryComputer scienceAnxietyWorld Wide WebBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Academic research on digital mental health tends to focus on its efficacy and effectiveness, with much less attention paid to user preferences and experiences in real-world settings. OBJECTIVE: This study aims to analyze service characteristics that service users value and compare the extent to which various digital and nondigital mental health treatments and management methods fulfill users' expectations. METHODS: A total of 114 people with at least moderate levels of depressive symptoms (as measured by Patient Health Questionnaire-9 score ≥10) completed a web-based questionnaire measuring their awareness and adoption of digital mental health services and their valuation of 15 psychological service attributes, including effectiveness, credibility, waiting time, and more. They were also assessed on their expectations toward seven common mental health treatments and management methods, including (1) face-to-face psychological intervention, (2) medication, (3) guided internet-based psychological intervention, (4) face-to-face counseling service, (5) self-guided mental health apps for depression, (6) self-help bibliotherapy, and (7) psychological intervention via videoconferencing. RESULTS: A Friedman test with a Dunn posttest showed the average importance rank of "effectiveness" was significantly higher than all other measured attributes. "Privacy," "credibility," and "cost" were ranked as equally important. Participants rated face-to-face psychological intervention the most effective management method, while other digital management methods were perceived as less effective. Medication was perceived as the least appealing method, while other methods were deemed equally appealing. Face-to-face psychological intervention, medication, and counseling were considered less satisfactory due to their higher costs and longer waiting times when compared to digital services. Repeated measures ANOVA showed some forms of management method were more likely to be adopted, including guided internet-based psychological intervention, psychological intervention via videoconferencing, face-to-face psychological intervention, and face-to-face counseling services provided by a counselor as compared to self-guided mobile apps, self-help bibliotherapy, and medication. CONCLUSIONS: The study highlights the importance of considering multiple service attributes beyond effectiveness in depression management methods, despite effectiveness being regarded as the most crucial factor using the rank method. Compared to nondigital services, digital services were identified as having specific strengths as perceived by users. Future dissemination and promotion efforts may focus on debunking myths of guided internet-based psychological intervention as a less effective option and promoting the particular service strengths of digital services.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,097
Tête enseignante GPT0,519
Écart entre enseignants0,422 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetDigital Mental Health Interventions→Travaux en français237 207→