MétaCan
Menu
Retour à la cohorte
Enregistrement W4411895175 · doi:10.1177/20552076251355345

“You can’t categorize lived experiences”: Understanding youth engagement in mobile health in an integrated youth services setting

2025· article· en· W4411895175 sur OpenAlexaffabout
Xiaoxu Ding, Liisa Holsti, Julia Schmidt, Natalie Parde, Brodie M. Sakakibara, Skye Barbic

Notice bibliographique

RevueDigital Health · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensCentre for Advancing Health OutcomesSpinal Cord Injury BCUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésThematic analysisYouth engagementmHealthMental healthKnowledge managementPsychologyPublic relationsMedicineQualitative researchNursingPsychological interventionPolitical scienceComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Objective: Youth mental health is a global challenge often compounded by fragmented services limiting access. In Canada, Integrated Youth Services (IYS) provide centralized access to youth health services, with youth engagement playing a key role during development and implementation. This study aims to identify key factors influencing youth engagement in mobile health (mHealth) development within an IYS setting. Methods: We conducted 23 semi-structured interviews with youth, clinical service providers, and non-clinical staff involved in mHealth services at Foundry. The Consolidated Framework for Implementation Research guided deductive thematic analysis. Results: We identified key facilitators and barriers across five domains: Recognizing core value of engagement, improving external coordination, addressing internal organizational challenges, mitigating power imbalances, and tailoring implementation strategies. Conclusion: The findings highlight the need for inclusive approaches, regulatory frameworks, and strategies to engage underrepresented youth. Future efforts should prioritize iterative learning systems and safe, supportive spaces for meaningful youth engagement.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,102
Tête enseignante GPT0,426
Écart entre enseignants0,324 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDigital HealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207