MétaCan
Menu
← Retour à la cohorte
Enregistrement W7165552349 · doi:10.2196/86214

Acceptability of Yosa, a Mobile Health Application for Between-Session Therapy Support Among Patients and Therapists: A Cross-Sectional Survey Study (Preprint)

2025· article· en· W7165552349 sur OpenAlexvenueno aff
Andrew Williams, Rebecca J. Crochiere

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurvey researchData collectionHealth careDigital healthMEDLINEmHealthSurvey data collection

Résumé

récupéré en direct d'OpenAlex

Background: Completion of homework, defined as therapeutic activities assigned between sessions to reinforce skills and promote behavior change, is strongly linked to therapy outcomes. Yet, homework compliance remains low, potentially due to outdated delivery methods such as paper or email. Mobile health technologies may improve engagement by digitizing therapy tasks and tracking progress. Yosa is a mobile health app designed to facilitate homework delivery and enhance engagement between sessions for patients in therapy. Objective: The primary aim of this study was to evaluate the perceived acceptability of Yosa among licensed therapists and individuals currently receiving therapy. A secondary aim was to examine whether key Technology Acceptance Model (TAM) constructs predicted attitudes toward and intention to use Yosa. Qualitative feedback was also collected to inform iterative development and future deployment. Methods: Two cross-sectional surveys were conducted: study 1 with licensed therapists (N=45) and study 2 with current therapy patients (N=96). Participants viewed video demonstrations of Yosa, learned about Yosa's features, and rated the app on TAM constructs, including perceived usefulness, perceived ease of use, perceived risk, attitude toward, and intention to use Yosa, using 0-100 scales. For most constructs, higher scores reflected more favorable evaluations, whereas lower perceived risk scores reflected more favorable evaluations. Descriptive statistics and 95% CIs were generated for each construct in both samples, with scores interpreted relative to the neutral midpoint (50). Multiple regression analyses were conducted to examine predictors of attitude and intention to use. Qualitative feedback from the surveys was analyzed thematically. Results: Therapists and patients reported generally favorable perceptions of Yosa across TAM domains. Among therapists and patients, ratings of the perceived usefulness of the homework feature, therapy journal, and overall app; perceived ease of use; attitudes toward Yosa; and intention to use were all above the midpoint. Perceived risk scores were mild to moderate in patients and moderate in therapists, respectively. Regression analyses indicated that perceived usefulness was a positive predictor of both attitude toward and intention to use Yosa across therapists and patients, while perceived risk was negatively associated with these outcomes in several models. Qualitative themes included requests for additional features, usability enhancements, and data privacy concerns. Conclusions: Therapists and patients reported generally favorable perceptions of Yosa after reviewing descriptions and video demonstrations of the platform, particularly in terms of usefulness and ease of use, supporting favorable perceptions of its potential acceptability as a digital tool for between-session therapy support. Qualitative feedback informed refinements aimed at reducing perceived risks and enhancing the intention to use.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,136
Tête enseignante GPT0,581
Écart entre enseignants0,446 · 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'étudeObservationnel
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'admission1
Résumé présentnon

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→