MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408546655 · doi:10.2196/57789

A Trauma Support App for Young People: Co-design and Usability Study

2025· article· en· W4408546655 sur OpenAlexvenueno aff
Maria Thell, Kerstin Edvardsson, Reem Aljeshy, Kalid Ibrahim, Georgina Warner

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUsabilityPsychoeducationPsychologyApplied psychologyMental healthThink aloud protocolParticipatory designIntervention (counseling)Medical educationMultimediaComputer scienceEngineeringMedicinePsychotherapistHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: One of the most common reasons young people with mental health issues, such as posttraumatic stress disorder, do not seek help is stigma, which digital support tools could help address. However, there is a lack of trauma support apps specifically designed for young people. Involving the target group in such projects has been shown to produce more engaging and effective results. OBJECTIVE: This study aimed to apply a child rights-based participatory approach to develop a trauma support app with young people. METHODS: Seven young people (aged 14-19 years; 3 males and 4 females) with experiences of trauma were recruited as coresearchers. A child rights-based framework guided the working process. The app was developed through a series of Design Studio workshops and home assignments, using the manualized intervention Teaching Recovery Techniques as the foundation for its content. The coresearchers were trained in research methodology and conducted usability testing with other young people (n=11) using the think-aloud method, the System Usability Scale (SUS), and qualitative follow-up questions. RESULTS: A functional app prototype was developed using a no-code platform, incorporating various trauma symptom management techniques. These techniques covered psychoeducation, normalization, relaxation, and cognitive shifting, presented in multiple formats, including text, audio, and video. The contributions of the coresearchers to the design can be categorized into 3 areas: mechanics (rules and interactions shaping the app's structure), dynamics (user-visible elements, such as the outcome when pressing a button), and aesthetics (the emotional responses the app aimed to evoke in users during interaction). Beyond influencing basic aesthetics, the coresearchers placed significant emphasis on user experience and the emotional responses the app could evoke. SUS scores ranged from 67.5 to 97.5, with the vast majority exceeding 77.5, indicating good usability. However, usability testing revealed several issues, generally of lower severity. For instance, video content required improvements, such as reducing light flickering in some recordings and adding rewind and subtitle selection options. Notably, the feature for listening to others' stories was removed to minimize emotional burden, shifting the focus to text formats with more context. CONCLUSIONS: Young people who have experienced trauma can actively participate in the cocreation of a mental health intervention, offering valuable insights into the needs and preferences of their peers. Applying a child rights-based framework to their involvement in a research project supported the fulfillment of the Convention on the Rights of the Child Article 12.

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)0,017
score de la tête « metaresearch » (Gemma)0,030
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,554
Écart entre enseignants0,404 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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