MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413848890 · doi:10.2196/66163

Behavior Emotion Therapy System and You: Co-Design and Evaluation of a Mental Health Chatbot and Digital Human for Mild to Moderate Anxiety in Healthy Participants

2025· article· en· W4413848890 sur OpenAlexvenueno aff
Almira Osmanovic Thunström, Lilas Ali, Hanne Krage Carlsen, Maria Bohm, Linda Wesén, Olof Wrede, Iris Sarajlić Vuković, Andreas Hellström, Tomas Larson, Steinn Steingrímsson

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChatbotPreprintAnxietyMental healthPsychologyClinical psychologyPsychotherapistPsychiatryComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background: Co-design is a collaborative approach involving end users, stakeholders, and designers in creating digital tools for health care. This study focuses on the co-design and evaluation of Behavior, Emotion, Therapy System, and You (BETSY), a mental health chatbot and digital human for mild to moderate anxiety. Objective: This study aims to develop and evaluate BETSY through a co-design process involving potential users. Methods: The study used a mixed-methods approach across 3 phases. Phase 1 involved recruiting 87 volunteer participants through social media for initial end-user requirements. Phase 2 focused on the design process based on end-user requirements using the expertise of 10 stakeholders in health care and health service user. Phase 3 evaluated the 2 prototyped interfaces (a text-only chatbot and a voice-activated digital human chatbot) with 45 healthy volunteers. Results: For phase 1, 61% (n=51) of participants had previous experience with chatbots and 86% expressed a willingness or potential willingness to use a chatbot for mental health support. Thematic analysis in phase 2 revealed key user preferences for a personalized, nonjudgmental chatbot with a clear identity and a focus on empathy. Privacy concerns and the need for clear interaction guidelines were highlighted. In phase 3, the users showed a strong preference for discussing anxiety related to work, relationships, and health. Both text-only and voice-activated digital human users considered BETSY valuable for managing mild to moderate anxiety and providing self-help exercises. Conclusions: The co-design process yielded valuable insights for developing BETSY. While users recognized its potential as an accessible first step before seeking professional help, they also identified areas for improvement, including more nuanced conversation capabilities and a broader range of exercises. BETSY's potential as a screening tool for health care was consistently acknowledged, suggesting its capability for alleviation of health care system burdens.

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)0,009
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,015
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 ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,334
Tête enseignante GPT0,592
Écart entre enseignants0,258 · 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'étudeEssai non randomisé
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→