MétaCan
Menu
Retour à la cohorte
Enregistrement W4415035050 · doi:10.1371/journal.pdig.0001017

What influences engagement with a bipolar disorder self-management app? A qualitative investigation of use of the PolarUs app

2025· article· en· W4415035050 sur OpenAlexafffund
Emma Morton, Rachelle Hole, Heather L. O'Brien, Linda Li, Steven J. Barnes, Erin E. Michalak

Notice bibliographique

RevuePLOS Digital Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBipolar Disorder and Treatment
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésThematic analysisPsychological interventionContext (archaeology)Intervention (counseling)Bipolar disorderMoodQualitative researchmHealth

Résumé

récupéré en direct d'OpenAlex

Interventions delivered via smartphone apps may support individuals with bipolar disorder (BD) to learn about and implement evidence-based self-management strategies in the context of their daily lives. However, app usage rates are often suboptimal. The subjective experience of users may provide insights into factors influencing engagement (and disengagement) with an mHealth intervention. The present study describes a qualitative investigation of the experiences of people with BD who participated in the evaluation of a novel app-based intervention for BD self-management, the PolarUs app. Twenty-five individuals with BD were provided with access to an app-based self-management intervention over a three-month study period, and were later interviewed about personal experiences of engagement with the intervention, including attempts to enact self-management strategies. Thematic analysis was used to identify important aspects of the experience of engaging with a self-management app. Three themes describing drivers of engagement with the PolarUs app and associated features were generated: 1) Motivations, 2) Salience, and 3) Perceived effort. Drivers of engagement were shaped by contextual influences, summarised in four themes: 1) The smartphone ecosystem, 2) Daily life, 3) Mood symptoms, and 4) Involvement in a research study. The findings of this research generate insights into how individuals with BD engage with app-based interventions. Lived experience perspectives can inform the design of engaging app-based interventions for BD. Further, these findings emphasise the importance of considering the context in which people use self-management apps for BD for both research studies and implementation.

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)0,007
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,037
Tête enseignante GPT0,319
Écart entre enseignants0,282 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLOS Digital HealthMême sujetBipolar Disorder and TreatmentTravaux en français237 207