Co-design of “Baatcheet,” a peer-supported, web-based storytelling intervention for young people with common mental health problems in India
Notice bibliographique
Résumé
Abstract Background Engaging with personal mental health stories has the potential to help people with mental health difficulties by normalizing distressing experiences, imparting coping strategies and building hope. However, evidence-based mental health storytelling platforms are scarce, especially for young people in low-resource settings. Objective This paper presents an account of the co-design of ‘Baatcheet’ (‘conversation’ in Hindi), a peer-supported, web-based storytelling intervention aimed at 16–24-year-olds with depression and anxiety in New Delhi, India. Methods Development comprised three stages: (1) establishing a logic model through consultations with a Young People’s Advisory Group ( N = 11) and a stakeholder reference group ( N = 20); (2) elaborating intervention guiding principles and components through focus group discussions and co-design workshops ( N = 42); and (3) user-testing of prototypes. Results The developmental process identified key stakeholder preferences for an online, youth-focused mental health storytelling intervention. Baatcheet uses an interactive storytelling website containing a repository of personal stories about young people’s experiences of depression and anxiety. This is offered alongside brief support from a peer. Conclusions There are few story-based interventions addressing depression and anxiety for young people, especially in low-resource settings. Baatcheet has the potential to deliver engaging, accessible and timely mental health support to young people. A pilot evaluation is underway.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».