MétaCan
Menu
Retour à la cohorte
Enregistrement W4410246595 · doi:10.2196/68813

A Mobile App Designed to Promote Shared Decision-Making in the Treatment of Psychotic Disorders: Feasibility and Acceptability Study

2025· article· en· W4410246595 sur OpenAlexvenueno aff
Mari Skoge, Sofie R. Aminoff, Elizabeth Ann Barrett, Gina Engen Bryhni, Kristine Gjermundsen, Kari Jorunn Kværner, Ingrid Melle, Erlend Mork, Carmen Simonsen, Linn Nathalie Støme, Josina Vink, Tor Gunnar Værnes, Kristin Lie Romm

Notice bibliographique

RevueJMIR Human Factors · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintMobile appsPsychologyInternet privacyComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Strengthening shared decision-making in mental health care may improve the quality of services and treatment outcomes, but its implementation in services for severe mental disorders is currently lacking. Objective: This study aims to explore the feasibility and acceptability of iTandem (University of Oslo), a mobile app designed to promote shared decision-making in the treatment of psychotic disorders. In addition, the study aims to investigate mechanisms that potentially contribute to the intended effect of the app. iTandem is a therapy supplement that facilitates patient involvement in decisions regarding treatment goals and focus areas. It is designed for personalized use and contains 8 optional modules: sleep, medication, recovery, mood, psychosis, activity, substance use, and feedback concerning therapy. Methods: Patients undergoing assessment or treatment for psychotic disorders and their clinicians were recruited for the study. Patients and clinicians jointly used iTandem as part of standard treatment in a 6-week trial. We used a mixed-methods study design with a clear emphasis on qualitative methods. Feasibility and acceptability were assessed through descriptive statistics based on preintervention and postintervention questionnaires and app usage data, in addition to text responses to open-ended items. We conducted a reflexive thematic analysis of postintervention interviews to elaborate these measures and to explore mechanisms potentially contributing to achieving shared decision-making when using iTandem. Results: A total of 9 patients and 8 clinicians completed the trial. The participants evaluated iTandem as a user-friendly and acceptable tool, but there were considerable variations in how the app was integrated into treatment and in perceptions of its clinical value. The thematic analysis suggests that iTandem has the potential to facilitate shared decision-making through supporting cognition and shifting the patient's role. We also identified scaffolding structures, an analogy of personalized support, as a precondition for these mechanisms and for the overall feasibility and acceptability of iTandem. Conclusions: iTandem was generally perceived as a feasible and acceptable tool in the treatment of patients with psychotic disorders. Our findings suggest that nonclinical aspects, such as support structures, are important to the feasibility and acceptability of such digital interventions and patients' aptness for digitalized treatment in general. Future research should explore related nonclinical aspects further instead of defining potential target groups based on diagnoses and symptom severity alone.

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)0,011
score de la tête « metaresearch » (Gemma)0,034
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 enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,064
Tête enseignante GPT0,463
Écart entre enseignants0,400 · 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 Human FactorsMême sujetDigital Mental Health InterventionsTravaux en français237 207