Understanding the Differences Between Online and Offline Mental Health Help Seekers: Cross-Sectional Comparative Study
Notice bibliographique
Résumé
BACKGROUND: Telepsychiatry has gained considerable attention, particularly during the COVID-19 pandemic. Although various factors influence the choice between online and offline modalities, differences among populations remain underexplored. OBJECTIVE: This study aims to compare adults seeking mental health support online and offline in private clinics. METHODS: In this cross-sectional study, we assessed differences in sociodemographic factors, internet accessibility and usability, previous help-seeking history, personality traits assessed using the Arabic Big Five Personality Inventory, and levels of self-stigma measured using the Self-Stigma of Seeking Help Scale. RESULTS: In total, 259 participants were included (136 online and 123 offline). The online group had a higher proportion of university graduates (P=.02), employed individuals (P<.001), and those with better internet access (P=.03) and higher internet usability (P=.001). The offline group showed higher levels of conscientiousness (P=.003). The primary reasons for choosing online therapy were ease of access and time-saving. Logistic regression identified previous use of online psychiatry as the strongest factor associated with choosing online services (odds ratio [OR] 28.90, 95% CI 11.739-71.165; P<.001). Employment (OR 5.01, 95% CI 1.781-14.080; P=.002), better internet usability (OR 1.69, 95% CI 1.069-2.664; P=.03), and agreeableness (OR 1.16, 95% CI 1.001-1.351; P=.05) were also significant factors. In contrast, previous in-person visits (OR 0.11, 95% CI 0.048-0.269; P<.001), openness (OR 0.85, 95% CI 0.748-0.975; P=.02), and conscientiousness (OR 0.86, 95% CI 0.758-0.971; P=.02) were negatively associated with online preference. CONCLUSIONS: This study highlights key differences between online and offline mental health help seekers, enhances our understanding of treatment modality preferences, and paves the way for future research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».