Chatbot to Support the Mental Health Needs of Pregnant and Postpartum Women (Moment for Parents): Design and Pilot Study
Notice bibliographique
Résumé
Background: Maternal mental health disorders are prevalent, yet many individuals do not receive adequate support due to stigma, financial constraints, and limited access to care. Digital interventions, particularly chatbots, have the potential to provide scalable, low-cost support, but few are tailored specifically to the needs of perinatal individuals. Objective: This study aimed to (1) design and develop Moment for Parents, a tailored chatbot for perinatal mental health education and support, and (2) assess usability through engagement, usage patterns, and user experience. Methods: This study used a human-centered design to develop Moment for Parents, a rules-based chatbot to support pregnant and postpartum individuals. In phase 1, ethnographic interviews (n=43) explored user needs to inform chatbot development. In phase 2, a total of 108 pregnant and postpartum individuals were recruited to participate in a pilot test and had unrestricted access to the chatbot. Engagement was tracked over 8 months to assess usage patterns and re-engagement rates. After 1 month, participants completed a usability, relevance, and satisfaction survey, providing key insights for refining the chatbot. Results: Key themes that came from the ethnographic interviews in phase 1 included the need for trusted resources, emotional support, and better mental health guidance. These insights informed chatbot content, including mood-based exercises and coping strategies. Re-engagement was high (69/108, 63.9%), meaning users who had stopped interacting for at least 1 week returned to the chatbot at least once. A large proportion (28/69, 40.6%) re-engaged 3 or more times. Overall, 28/30 (93.3%) found the chatbot relevant for them, though some noted repetitive content and limited response options. Conclusions: The Moment for Parents chatbot successfully engaged pregnant and postpartum individuals with higher-than-typical retention and re-engagement patterns. The findings underscore the importance of flexible, mood-based digital support tailored to perinatal needs. Future research should examine how intermittent chatbot use influences mental health outcomes and refine content delivery to enhance long-term engagement and effectiveness.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».