心理健康中的体验采样方法数据的可视化:德国医生观点的定性研究
Julia C C Schulte-Strathaus1, Theresa Ikegwuonu2, Anita Schick1
1Department of Public Mental Health, Medical Faculty Mannheim, Central Institute of Mental Health, Heidelberg University, J5, Mannheim, 68159, Germany, 062117033734.
Journal of medical Internet research
|December 22, 2025
概括
心理健康专业人员发现经验采样方法 (ESM) 数据可视化对患者参与有价值. 然而,为了有效的临床整合,需要解决时间限制和数据清晰度等实际挑战.
科学领域:
- 数字心理健康数字心理健康
- 临床心理学 临床心理学
- 医疗信息学 医疗信息学
背景情况:
- 将自我监测患者数据整合到心理健康护理中还没有得到充分的研究.
- 经验采样方法 (ESM) 可以捕获即时的患者数据.
- 欧洲社会机制支持共享决策和个性化干预.
研究的目的:
- 调查德国心理健康专业人员对ESM数据可视化的看法.
- 评估数字心理健康工具原型的实用性.
- 了解将可视化整合到日常护理中的感知.
主要方法:
- 定性研究设计. 定性研究设计.
- 与临床医生进行半结构面试.
- 对面试数据进行反思性的专题分析.
主要成果:
- ESM及其可视化增强了患者的动力和参与度.
- 简单,清晰的格式,如线图,是首选的可用性.
- 实际障碍包括时间限制和患者教育的需要;认知过载是一种风险.
结论:
- 数字工具必须与临床需求保持一致,并解决实施障碍.
- 设计有效的ESM可视化需要仔细考虑可用性和工作流程.
- 进一步的研究应该探索ESM可视化在实践中的机遇和挑战.


