Barriers and Facilitators of User Engagement With Digital Mental Health Interventions for People With Psychosis or Bipolar Disorder: Systematic Review and Best-Fit Framework Synthesis
Notice bibliographique
Résumé
BACKGROUND: Digital mental health interventions (DMHIs) to monitor and improve the health of people with psychosis or bipolar disorder show promise; however, user engagement is variable, and integrated clinical use is low. OBJECTIVE: This prospectively registered systematic review examined barriers and facilitators of clinician and patient engagement with DMHIs, to inform implementation within real-world settings. METHODS: A systematic search of 7 databases identified empirical studies reporting qualitative or quantitative data about factors affecting staff or patient engagement with DMHIs aiming to monitor or improve the mental or physical health of people with psychosis or bipolar disorder. The Consolidated Framework for Implementation Research was used to synthesize data on barriers and facilitators, following a best-fit framework synthesis approach. RESULTS: The review included 175 papers (150 studies; 11,446 participants) describing randomized controlled trials; surveys; qualitative interviews; and usability, cohort, and case studies. Samples included people with schizophrenia spectrum psychosis (98/150, 65.3% of studies), bipolar disorder (62/150, 41.3% of studies), and clinicians (26/150, 17.3% of studies). Key facilitators were a strong recognition of DMHIs' relative advantages, a clear link between intervention focus and specific patient needs, a simple, low-effort digital interface, human-supported delivery, and device provision where needed. Although staff thought patients would lose, damage, or sell devices, reviewed studies found only 11% device loss. Barriers included intervention complexity, perceived risks, user motivation, discomfort with self-reflection, digital poverty, symptoms of psychosis, poor compatibility with existing clinical workflows, staff and patient fears that DMHIs would replace traditional face-to-face care, infrastructure limitations, and limited financial support for delivery. CONCLUSIONS: Identified barriers and facilitators highlight key considerations for DMHI development and implementation. As to broader implications, sustainable business models are needed to ensure that evidence-based DMHIs are maintained and deployed. TRIAL REGISTRATION: PROSPERO CRD42021282871; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=282871.
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 | 0,050 | 0,172 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,017 |
| Bibliométrie | 0,019 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».