MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411724151 · doi:10.2196/75320

Understanding Safety in Online Mental Health Forums: Realist Evaluation

2025· article· en· W4411724151 sur OpenAlexvenueno aff
Paul Marshall, Neil Caton, Zoe Glossop, Steven Jones, Rachel Meacock, Paul Rayson, Heather Robinson, Fiona Lobban

Notice bibliographique

RevueJMIR Mental Health · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthContext (archaeology)Social mediaPsychologyService providerMedicineNursingPsychiatryService (business)

Résumé

récupéré en direct d'OpenAlex

Background: Online forums are used widely to facilitate mental health peer support. However, concerns exist regarding potential harm associated with their use, and little is known about forum safety from the user's perspective. Objective: This study sought to understand how users experience safety within online mental health peer support forums. Following previous research, safety was conceptualized with reference to both experiences of harm and feelings of interpersonal safety within the forum environment. Methods: Data were collected from 42 semistructured realist interviews and 504 cross-sectional survey responses from users of 3 UK-based online mental health forums. These included a forum hosted by a health service provider with subforums for anxiety, depression, and eating disorders; a corporate provider focused on young people's mental health; and a voluntary sector provider with subforums for general mental health support, eating disorders, and postpartum psychosis. A bespoke survey was used to obtain descriptive quantitative data regarding user perceptions of forum safety. Qualitative data were used to refine an initial program theories framework comprising context-mechanism-outcome configurations related to forum safety developed in previously published realist synthesis. Results: Survey responses revealed that over half of the participants felt safe to post because of online anonymity (n=202, 40.1% agreed and n=97, 19.2% strongly agreed), while a minority reported encountering distressing forum posts (n=95, 18.8% agreed and n=18, 3.6% strongly agreed) and expressed concern that talking about mental health online could make them feel worse (n=113, 22.4% agreed and n=17, 3.4% strongly agreed). Refined program theories highlight: (1) the disclosure-promoting effect of anonymity, related to the mitigation of concerns that users' mental health experiences could be linked to their offline identities; (2) the importance of proactive content moderation for addressing emerging safety issues; (3) a need for organizations to implement rule enforcement sensitively and balance between conversational openness and restricting topics likely to cause distress; (4) forum users' experiences of self-moderating their exposure to potentially distressing online content; and (5) how the perceived nonjudgement, authenticity, and similarity of other forum users generates interpersonal safety. Conclusions: This is the first realist evaluation to directly assess processes underpinning safety in online mental health forums. A key novel finding of this study is that safety emerges not only from harm reduction procedures but also from a facilitative interpersonal atmosphere defined by sensitive moderation and the sharing of lived experiences. Hosts should therefore remain attentive to both potential risks and opportunities to foster connections between community members.

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)0,066
score de la tête « metaresearch » (Gemma)0,147
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,351

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,147
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0040,004
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,426
Tête enseignante GPT0,537
Écart entre enseignants0,112 · 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'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental Health→Même sujetMental Health and Patient Involvement→Travaux en français237 207→