MétaCan
Menu
Retour à la cohorte
Enregistrement W4414203338 · doi:10.2196/79365

Technology-Related Trauma in Sexual and Reproductive Health Digital Technologies: Grounded Theory Study

2025· article· en· W4414203338 sur OpenAlexaffvenue
Abdul‐Fatawu Abdulai, Janell C. Josephs, Adrian Guţă, Mark Gilbert, Vicky Bungay

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueReproductive Health and Technologies
Établissements canadiensBC Centre for Disease ControlUniversity of WindsorUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesnon disponible
Mots-clésReproductive healthGrounded theoryDigital healthQualitative researchReproductive technologySexual assaultSexual abuse

Résumé

récupéré en direct d'OpenAlex

Background: Digital health technologies are increasingly used as complementary and alternative means of seeking sexual and reproductive health services. These platforms now play a critical role in facilitating services such as contraception counseling, abortion care, sexually transmitted infection testing and treatment, and fertility-related support, particularly for individuals who face barriers to in-person care. Despite their increasing prevalence, there is an emerging concern that such platforms could inadvertently trigger or perpetuate trauma among end-user patients. This risk is particularly salient for individuals from equity-deserving populations who already navigate stigma, discrimination, or prior traumatic experiences in health care settings. Objective: This study aimed to develop a theoretical account of how digital health technologies can cause or perpetuate emotional trauma among people who seek technology-based sexual and reproductive health services. Methods: We used the Charmaz constructivist grounded theory approach by conducting interviews with 25 participants who have used government and other regulated digital health platforms (ie, web-based platforms and mHealth apps) to access sexual and reproductive health information or services including sexually transmitted infection testing, contraception, and abortion. Data analysis occurred alongside data collection, and data were analyzed inductively using open, axial, and theoretical coding. Results: We developed an explanatory model that shows that technology-related harm can occur in two main ways: (1) digital platform design features (ie, navigation challenges, data and security breaches, and inappropriate display of content) and (2) digital platform-related interpersonal interactions (targeted campaigns and depersonalized digital health interactions). While these activities can cause harm to users in general, they are more likely to result in emotional trauma for individuals with prior traumatic experiences and in emotional discomfort for those without such histories. Conclusions: Web-based platforms provide opportunities for advancing access to sexual and reproductive health and services. At the same time, these technologies can also serve as conduits through which trauma can be triggered, perpetuated, and exacerbated. While technology-related trauma could occur unintentionally via design choices, some activities, including technology-related interactions, could trigger or perpetuate trauma among end users. To mitigate the risks, both technology developers (particularly designers) and health providers should consider design choices and implementation strategies that not only prevent trauma but also promote users' emotional well-being.

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)0,021
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes 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 enseignants0,993
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0070,012
Communication savante0,0060,005
Science ouverte0,0020,007
Intégrité de la recherche0,0020,003
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 Opus0,057
Tête enseignante GPT0,446
Écart entre enseignants0,390 · 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.

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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetReproductive Health and TechnologiesTravaux en français237 207