Psychoterapia.no Biblioteka naukowa · karta publikacji

Czasopismo źródłowe

JMIR Mental Health

Rok publikacji: 2026 · ISSN: 2368-7959 · Sprawdź ten rekord w DOI-checker (JSON) → · Endpoint grafu JSON →

journal_article Large Language Model-Based Behavioral Activation Chatbot for Young People With Depres JMIR Mental Health

PSYCHOTERAPIA.NO / BIBLIOGRAFIA · REKORD ŹRÓDŁOWY

Large Language Model-Based Behavioral Activation Chatbot for Young People With Depression Using Artificial Users and Clinical Experts: Mixed Methods Evaluation

JMIR Mental Health · 2026 · Tom 13 : e94781

Florian Onur Kuhlmeier, Leon Hanschmann, Melina Rabe, Stefan Lüttke, Eva-Lotta Brakemeier, Alexander Maedche

Metadane lokalne PubMed / MEDLINE (MeSH: 10) IWBP częściowy DOI 10.2196/94781 PMID 42679232
Zobacz graf powiązań SVG Deskryptory MeSH i słowa kluczowe Metadane i identyfikatory
Cytowanie (APA): Florian Onur Kuhlmeier, Leon Hanschmann, Melina Rabe, Stefan Lüttke, Eva-Lotta Brakemeier, Alexander Maedche (2026). Large Language Model-Based Behavioral Activation Chatbot for Young People With Depression Using Artificial Users and Clinical Experts: Mixed Methods Evaluation. JMIR Mental Health, https://doi.org/10.2196/94781
📥 BibTeX (Zotero) 📥 RIS (Zotero/EndNote) JSON API →
Dowody naukowe i powiązania korpusowe (Direct Cite, Bibliographic Coupling, TF-IDF) (6 relacji)

Warstwa dowodowa i powiązania korpusowe (wersja: corpus-2026-10-19)

Metodologiczna sieć powiązań naukowych publikacji

Klasyfikacja powiązań ściśle rozdziela twarde dowody bibliograficzne (status approved) od analitycznych hipotez podobieństwa (status computed). Każde powiązanie posiada weryfikowalny identyfikator DOI/PMID, liczbę referencji bazowych n oraz zdefiniowaną proweniencję algorytmiczną.

📥 Pobierz graf powiązań (JSON) 📥 Pobierz bazę powiązań korpusu (CSV) 📐 Raport metodologiczny →

A. Potwierdzone relacje cytowań w korpusie (Direct Citation) status: approved (100% dowodowe)

Wykryto w korpusie: 0 bezpośrednich powiązań

Metodologiczne zastrzeżenie dowodowe: Bezpośrednie cytowanie odzwierciedla relację w literaturze źródłowej (praca cytuje inną pozycję w swojej bibliografii załącznikowej). Cytowanie wskazuje relację literaturową, nie dowodzi automatycznie poparcia twierdzenia ani braku polemiki.

Brak bezpośrednich cytowań krzyżowych z innymi pracami w obrębie 950 pozycji bieżącego korpusu.

B. Sprzężenie bibliograficzne (Bibliographic Coupling) status: computed (analityczne)

Wspólne fundamenty literaturowe (próg minimalny n ≥ 2)

Metodologiczne zastrzeżenie dowodowe: Sprzężenie bibliograficzne mierzy stopień pokrycia wspólnych referencji (indeks Jaccarda). Czego te dane nie mówią: Dwie prace dzielące literaturę mogą reprezentować przeciwstawne wnioski kliniczne lub polemizować ze sobą. Wskaźnik ten jest miarą wspólnego tła teoretycznego, a nie zgodności wyników.

Synteza kontekstu badawczego

Opracowanie polskojęzyczne oraz dostęp do abstraktu źródłowego

PROWENIENCJA: PUBMED / MEDLINE TDM
Kontekst i metadane indeksacyjne publikacji:
Recenzowana publikacja naukowa „Large Language Model-Based Behavioral Activation Chatbot for Young People With Depression Using Artificial Users and Clinical Experts: Mixed Methods Evaluation” opublikowane na łamach czasopisma „JMIR Mental Health” (2026). Główne deskryptory indeksacyjne (MeSH / słowa kluczowe autorów) przypisane do publikacji obejmują: Depression, Behavior Therapy, artificial users, behavioral activation, clinical fidelity, depression. Poniżej prezentujemy jawny graf powiązań bibliograficznych, kontrolowaną taksonomię NLM MeSH oraz wskaźniki współwystępowania pojęć wyliczone na podstawie lokalnej analizy danych (Text & Data Mining).
Przeczytaj oryginalny abstrakt na PubMed (PMID 42679232) → Otwórz publikację u wydawcy (DOI: 10.2196/94781) →

Nota prawna (Prawo autorskie i TDM): Zgodnie z wytycznymi NLM/PubMed pełny tekst angielskiego abstraktu jest wyświetlany bezpośrednio wyłącznie dla artykułów z jawną otwartą licencją Creative Commons (CC-BY). W pozostałych przypadkach lokalny plik XML z PubMed służy wyłącznie do wewnętrznej analizy statystycznej i ekstrakcji pojęć (Text & Data Mining, art. 3–4 dyrektywy DSM UE), a powyżej prezentujemy nasze autorskie polskie omówienie kontekstu badawczego oraz bezpośredni odsyłacz do rekordu w bazie PubMed.

Jawny graf kontekstu publikacji (Wizualizacja SVG powiązań korpusowych) (30 węzłów)

Jawny graf kontekstu publikacji (1-stopniowy)

Graf powiązań: Publikacja → Autorzy → Czasopismo → MeSH / Słowa kluczowe → Strony → Podobne prace

Wizualizacja SVG wygenerowana deterministycznie z jawnych krawędzi (29 relacji). Kliknij dowolny węzeł na grafie, aby przejść do profilu autora, czasopisma, tematu lub podobnej publikacji.

Pobierz JSON grafu (API) → Surowy wektorowy plik grafu (SVG) →
Graf powiązań semantycznych: PMID 42679232 JMIR Mental Health · relacja: published_in · źródło: pubmed_meta · status: approvedJMIR Mental Health Adolescent [D000293] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedAdolescent Adult [D000328] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedAdult Behavior Therapy [D001521] (Główny temat MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedBehavior Therapy Depression [D003863] (Główny temat MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedDepression Female [D005260] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedFemale Humans [D006801] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedHumans Large Language Models [D000098342] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedLarge Language Models Male [D008297] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedMale Mental Health Teletherapy [D000095882] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedMental Health Teletherapy Young Adult [D055815] (MeSH) · relacja: about_mesh · źródło: pubmed_mesh · status: approvedYoung Adult artificial users (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedartificial users behavioral activation (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedbehavioral activation clinical fidelity (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedclinical fidelity depression (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approveddepression digital mental health interventions (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approveddigital mental health interventio… large language models (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedlarge language models mental health chatbots (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedmental health chatbots prompt engineering (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedprompt engineering young people (Słowo kluczowe autora w PubMed) · relacja: about_keyword · źródło: pubmed_author_keyword · status: approvedyoung people Behavioral activation for depression: A comprehensive systematic review and meta-analysis (Podobieństwo: 38%) · relacja: similar_to · źródło: local_hybrid_similarity · status: candidateBehavioral activation for depress… Generative AI mental health chatbots: a scoping review of intervention design and user experience (Podobieństwo: 37%) · relacja: similar_to · źródło: local_hybrid_similarity · status: candidateGenerative AI mental health chatb… Psychological Therapy in the Age of Large Language Models: Framework for Therapist-Delivered and AI-Supported Functions (Podobieństwo: 37%) · relacja: similar_to · źródło: local_hybrid_similarity · status: candidatePsychological Therapy in the Age… Alexander Maedche (ORCID: 0000-0001-6546-4816) · relacja: author_of · źródło: pubmed_meta · status: approvedAlexander Maedche Eva-Lotta Brakemeier (ORCID: 0000-0001-9589-3697) · relacja: author_of · źródło: pubmed_meta · status: approvedEva-Lotta Brakemeier Florian Onur Kuhlmeier (ORCID: 0000-0002-1032-6982) · relacja: author_of · źródło: pubmed_meta · status: approvedFlorian Onur Kuhlmeier Leon Hanschmann (ORCID: 0000-0002-2002-0725) · relacja: author_of · źródło: pubmed_meta · status: approvedLeon Hanschmann Melina Rabe (ORCID: 0009-0009-5602-2974) · relacja: author_of · źródło: pubmed_meta · status: approvedMelina Rabe Stefan Lüttke (ORCID: 0000-0002-9194-276X) · relacja: author_of · źródło: pubmed_meta · status: approvedStefan Lüttke PMID 42679232 Large Language Model-Based Behavioral Activation Chatbot for Young People With Depression Usin… Publikacja centralna Autor (pubmed_meta / katalog) Czasopismo (published_in) Deskryptor MeSH (pubmed_mesh) Słowo kluczowe autora (PubMed) Strona serwisu (uses_source) Podobny rekord (candidate) Linia ciągła = krawędź zatwierdzona (approved: PubMed MeSH / metadane / opublikowana strona) · Linia przerywana = kandydat (candidate: podobieństwo hybrydowe / szkic)

Uwaga metodologiczna: Relacja w grafie odzwierciedla strukturę metadanych i współwystępowania, a nie związek przyczynowy. Krawędzie z linii ciągłej mają status approved (potwierdzone w PubMed/MEDLINE lub opublikowanych artykułach), natomiast linia przerywana oznacza status candidate (podobieństwo hybrydowe).

Taksonomia i pojęcia kluczowe (Deskryptory MeSH®, słowa autorów) (19 pojęć)

Taksonomia i analiza leksykalna

Deskryptory MeSH (PubMed), słowa kluczowe autorów oraz kandydaci długiego ogona (Long-Tail)

Zachowujemy ścisły rozdział pomiędzy oficjalnymi deskryptorami NLM MeSH i słowami kluczowymi autorów (status approved) a frazami wyliczonymi lokalnie z tytułu i analizy TDM (status candidate).

1. Deskryptory medyczne MeSH® (U.S. National Library of Medicine — PubMed)

Humans MeSH UI: D006801 · waga: 0.55
pubmed_mesh · approved
Large Language Models MeSH UI: D000098342 · waga: 0.55
pubmed_mesh · approved
Adolescent MeSH UI: D000293 · waga: 0.55
pubmed_mesh · approved
Young Adult MeSH UI: D055815 · waga: 0.55
pubmed_mesh · approved
Mental Health Teletherapy MeSH UI: D000095882 · waga: 0.55
pubmed_mesh · approved
Adult MeSH UI: D000328 · waga: 0.55
pubmed_mesh · approved
Depression ★ Główny temat MeSH UI: D003863 · waga: 1.00 · kwalifikatory: therapy
pubmed_mesh · approved
Female MeSH UI: D005260 · waga: 0.55
pubmed_mesh · approved
Male MeSH UI: D008297 · waga: 0.55
pubmed_mesh · approved
Behavior Therapy ★ Główny temat MeSH UI: D001521 · waga: 1.00 · kwalifikatory: methods
pubmed_mesh · approved

Nota atrybucyjna NLM / MeSH®: MeSH® (Medical Subject Headings) jest zastrzeżonym znakiem towarowym U.S. National Library of Medicine (NLM), National Institutes of Health (NIH). Dane indeksacyjne MEDLINE/PubMed pochodzą z zasobów NLM (domena publiczna USA, 17 U.S.C. § 105). NLM nie afiliuje ani nie autoryzuje niniejszego serwisu.

2. Oficjalne słowa kluczowe autorów (PubMed KeywordList)

artificial users pubmed_author_keyword · approved behavioral activation pubmed_author_keyword · approved clinical fidelity pubmed_author_keyword · approved depression pubmed_author_keyword · approved digital mental health interventions pubmed_author_keyword · approved large language models pubmed_author_keyword · approved mental health chatbots pubmed_author_keyword · approved prompt engineering pubmed_author_keyword · approved young people pubmed_author_keyword · approved
Rozwiń analizę leksykalną: wyekstrahowani kandydaci fraz (N-gramy 1–3) oraz zapytania Long-Tail

Wyekstrahowani kandydaci fraz i słów kluczowych (N-gramy 1–3 z tytułu i abstraktu)

Poniższe frazy są wyliczane algorytmicznie (z promowaniem fraz obecnych w tytule ×2,2) i mają status candidate — nie są prezentowane jako oficjalne słowa kluczowe autora w Schema.org.

artificial users (score 19.14 · candidate) artificial (score 17.6 · candidate) behavioral activation (score 15.95 · candidate) users (score 15.4 · candidate) clinical (score 15.4 · candidate) chatbot (score 13.2 · candidate) behavioral (score 11 · candidate) activation (score 11 · candidate) large language (score 9.57 · candidate) clinical experts (score 9.57 · candidate) people with depression (score 9.57 · candidate) people (score 8.8 · candidate) large (score 6.6 · candidate) language (score 6.6 · candidate) depression (score 6.6 · candidate) experts (score 6.6 · candidate) language model-based (score 6.38 · candidate) young people (score 6.38 · candidate)
Eksploracyjne podobieństwo hybrydowe publikacji (kandydackie dopasowanie cech) (10)

Rekomendacje oparte na cechach wspólnych

Publikacje powiązane semantycznie w katalogu (Matching hybrydowy)

Wynik łączy 3 jawne sygnały: dopasowanie słów z tytułu i abstraktu (50%), wspólne pojęcia kliniczne/MeSH (35%) oraz wspólne czasopismo lub autorów (15%). Przy każdej pracy podajemy dokładny powód dopasowania. Status: candidate.

local_hybrid_similarity · candidate
Współwystępowanie pojęć w korpusie (Analiza asocjacji Lift & NPMI)

Analiza asocjacji w całym korpusie (N = 959 publikacji)

Współwystępowanie pojęć w katalogu Lift(A, B) = P(A ∩ B)P(A) · P(B)

Nie liczymy sztucznych korelacji na poziomie pojedynczego artykułu. Poniższa tabela bada w całym katalogu (950 źródeł), jak często tematy obecne w tej publikacji współwystępują ze sobą. Wartość Lift > 1 oznacza, że dwa pojęcia pojawiają się razem częściej, niż wynikałoby to z niezależnego przypadku (jest to korelacja opisowa korpusu, nie dowód przyczynowy).

Brak wystarczającej liczby współwystąpień w korpusie do obliczenia wskaźnika Lift.

Bibliografia załącznikowa publikacji — prace cytowane przez autorów (51 pozycji)

Wykaz prac cytowanych wewnątrz artykułu (relacja cites → Publication), pobrany ze zweryfikowanych metadanych PubMed / Crossref:

  1. Torous J, Linardon J, Goldberg SB, et al. The evolving field of digital mental health: current evidence and implementation issues for smartphone apps, generative artificial intelligence, and virtual reality. World Psychiatry. 2025 Jun;24(2):156–174. doi: 10.1002/wps.21299. doi. Medline. DOI: 10.1002/wps.21299
    pubmed_reference_list
  2. Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): a randomized controlled trial. JMIR Ment Health. 2017 Jun 6;4(2):e19. doi: 10.2196/mental.7785. doi. Medline. DOI: 10.2196/mental.7785
    pubmed_reference_list
  3. Inkster B, Sarda S, Subramanian V. An empathy-driven, conversational artificial intelligence agent (Wysa) for digital mental well-being: real-world data evaluation mixed-methods study. JMIR mHealth uHealth. 2018 Nov 23;6(11):e12106. doi: 10.2196/12106. doi. Medline. DOI: 10.2196/12106
    pubmed_reference_list
  4. Chan WW, Fitzsimmons-Craft EE, Smith AC, et al. The challenges in designing a prevention chatbot for eating disorders: observational study. JMIR Form Res. 2022 Jan 19;6(1):e28003. doi: 10.2196/28003. doi. Medline. DOI: 10.2196/28003
    pubmed_reference_list
  5. Linardon J, Torous J, Firth J, Cuijpers P, Messer M, Fuller-Tyszkiewicz M. Current evidence on the efficacy of mental health smartphone apps for symptoms of depression and anxiety. a meta-analysis of 176 randomized controlled trials. World Psychiatry. 2024 Feb;23(1):139–149. doi: 10.1002/wps.21183. doi. Medline. DOI: 10.1002/wps.21183
    pubmed_reference_list
  6. Haque MDR, Rubya S. An overview of chatbot-based mobile mental health apps: insights from app description and user reviews. JMIR mHealth uHealth. 2023 May 22;11:e44838. doi: 10.2196/44838. doi. Medline. DOI: 10.2196/44838
    pubmed_reference_list
  7. Blease C, Torous J. ChatGPT and mental healthcare: balancing benefits with risks of harms. BMJ Ment Health. 2023 Nov;26(1):e300884. doi: 10.1136/bmjment-2023-300884. doi. Medline. DOI: 10.1136/bmjment-2023-300884
    pubmed_reference_list
  8. Stade EC, Stirman SW, Ungar LH, et al. Large language models could change the future of behavioral healthcare: a proposal for responsible development and evaluation. Npj Ment Health Res. 2024 Apr 2;3(1):12. doi: 10.1038/s44184-024-00056-z. doi. Medline. DOI: 10.1038/s44184-024-00056-z
    pubmed_reference_list
  9. Meeks S, Van Haitsma K, Shryock SK. Treatment fidelity evidence for BE-ACTIV - a behavioral intervention for depression in nursing homes. Aging Ment Health. 2019 Sep;23(9):1192–1202. doi: 10.1080/13607863.2018.1484888. doi. Medline. DOI: 10.1080/13607863.2018.1484888
    pubmed_reference_list
  10. Guo Z, Lai A, Thygesen JH, Farrington J, Keen T, Li K. Large language models for mental health applications: systematic review. JMIR Ment Health. 2024 Oct 18;11:e57400. doi: 10.2196/57400. doi. Medline. DOI: 10.2196/57400
    pubmed_reference_list
  11. Hatch SG, Goodman ZT, Vowels L, et al. Correction: when ELIZA meets therapists: a Turing test for the heart and mind. PLOS Ment Health. 2025;2(8):e0000426. doi: 10.1371/journal.pmen.0000426. doi. Medline. DOI: 10.1371/journal.pmen.0000426
    pubmed_reference_list
  12. Heinz MV, Mackin DM, Trudeau BM, et al. Randomized trial of a generative AI chatbot for mental health treatment. NEJM AI. 2025 Mar 27;2(4) doi: 10.1056/AIoa2400802. doi. DOI: 10.1056/AIoa2400802
    pubmed_reference_list
  13. Hua Y, Na H, Li Z, et al. A scoping review of large language models for generative tasks in mental health care. NPJ Digit Med. 2025 Apr 30;8(1):230. doi: 10.1038/s41746-025-01611-4. doi. Medline. DOI: 10.1038/s41746-025-01611-4
    pubmed_reference_list
  14. Thieme A, Belgrave D, Doherty G. Machine learning in mental health: a systematic review of the HCI literature to support the development of effective and implementable ML systems. ACM Trans Comput-Hum Interact. 2020 Aug 17;27(5):1–34. doi: 10.1145/3398069. doi. DOI: 10.1145/3398069
    pubmed_reference_list
  15. Hu Y. Toward retrieval-grounded evaluation for conversational large language model-based risk assessment. JMIR AI. 2026 Mar 12;5:e90759. doi: 10.2196/90759. doi. Medline. DOI: 10.2196/90759
    pubmed_reference_list
  16. Cuijpers P, Karyotaki E, Harrer M, Stikkelbroek Y. Individual behavioral activation in the treatment of depression: a meta analysis. Psychother Res. 2023 Sep;33(7):886–897. doi: 10.1080/10503307.2023.2197630. doi. Medline. DOI: 10.1080/10503307.2023.2197630
    pubmed_reference_list
  17. Schuller A, Janssen D, Blumenröther J, Probst TM, Schmidt M, Kumar C. Generating personas using LLMs and assessing their viability. Extended Abstracts CHI Conf Hum Factors Comput Syst. 2024:1–7. doi: 10.1145/3613905.3650860. doi. DOI: 10.1145/3613905.3650860
    pubmed_reference_list
  18. Steenstra I, Nouraei F, Bickmore T. Scaffolding empathy: training counselors with simulated patients and utterance-level performance visualizations. Proc 2025 CHI Conf Hum Factors Comput Syst. 2025:1–22. doi: 10.1145/3706598.3714014. doi. DOI: 10.1145/3706598.3714014
    pubmed_reference_list
  19. Qiu H, Lan Z. Interactive agents: simulating counselor-client psychological counseling via role-playing LLM-to-LLM interactions. arXiv. 2024 Aug 28; doi: 10.48550/arXiv.2408.15787. Preprint posted online on. doi. DOI: 10.48550/arXiv.2408.15787
    pubmed_reference_list
  20. Wang R, Milani S, Chiu JC, et al. PATIENT-𝜓: using large language models to simulate patients for training mental health professionals. Proc 2024 Conf Empir Methods Nat Lang Process. 2024:12772–12797. doi: 10.18653/v1/2024.emnlp-main.711. doi. DOI: 10.18653/v1/2024.emnlp-main.711
    pubmed_reference_list
  21. Louie R, Nandi A, Fang W, Chang C, Brunskill E, Yang D. Roleplay-doh: enabling domain-experts to create LLM-simulated patients via eliciting and adhering to principles. Proc 2024 Conf Empir Methods Nat Lang Process. 2024:10570–10603. doi: 10.18653/v1/2024.emnlp-main.591. doi. DOI: 10.18653/v1/2024.emnlp-main.591
    pubmed_reference_list
  22. Schleider JL, Weisz JR. Little treatments, promising effects? Meta-analysis of single-session interventions for youth psychiatric problems. J Am Acad Child Adolesc Psychiatry. 2017 Feb;56(2):107–115. doi: 10.1016/j.jaac.2016.11.007. doi. Medline. DOI: 10.1016/j.jaac.2016.11.007
    pubmed_reference_list
  23. Schleider JL, Mullarkey MC, Fox KR, et al. A randomized trial of online single-session interventions for adolescent depression during COVID-19. Nat Hum Behav. 2022 Feb;6(2):258–268. doi: 10.1038/s41562-021-01235-0. doi. Medline. DOI: 10.1038/s41562-021-01235-0
    pubmed_reference_list
  24. Kuhlmeier FO, Bauch L, Gnewuch U, Lüttke S. Designing chatbots to treat depression in youth: qualitative study. JMIR Hum Factors. 2025 Jun 19;12:e66632. doi: 10.2196/66632. doi. Medline. DOI: 10.2196/66632
    pubmed_reference_list
  25. Kuhlmeier FO, Gnewuch U, Lüttke S, Brakemeier EL, Mädche A. In: The Transdisciplinary Reach of Design Science Research: 17th International Conference on Design Science Research in Information Systems and Technology, DESRIST 2022, St Petersburg, FL, USA, June 1–3, 2022, Proceedings. Drechsler A, Gerber A, Hevner A, editors. Springer International Publishing; 2022. A personalized conversational agent to treat depression in youth and young adults – a transdisciplinary design science research project; pp. 30–41. doi.
    pubmed_reference_list
  26. Franco D’Souza R, Amanullah S, Mathew M, Surapaneni KM. Appraising the performance of ChatGPT in psychiatry using 100 clinical case vignettes. Asian J Psychiatr. 2023 Nov;89:103770. doi: 10.1016/j.ajp.2023.103770. doi. Medline. DOI: 10.1016/j.ajp.2023.103770
    pubmed_reference_list
  27. Borghouts J, Eikey E, Mark G, et al. Barriers to and facilitators of user engagement with digital mental health interventions: systematic review. J Med Internet Res. 2021 Mar 24;23(3):e24387. doi: 10.2196/24387. doi. Medline. DOI: 10.2196/24387
    pubmed_reference_list
  28. Rice F, Riglin L, Lomax T, et al. Adolescent and adult differences in major depression symptom profiles. J Affect Disord. 2019 Jan 15;243:175–181. doi: 10.1016/j.jad.2018.09.015. doi. Medline. DOI: 10.1016/j.jad.2018.09.015
    pubmed_reference_list
  29. Jardine J, Nadal C, Robinson S, Enrique A, Hanratty M, Doherty G. Between rhetoric and reality: real-world barriers to uptake and early engagement in digital mental health interventions. ACM Trans Comput-Hum Interact. 2024 Apr 30;31(2):1–59. doi: 10.1145/3635472. doi. DOI: 10.1145/3635472
    pubmed_reference_list
  30. Gnewuch U, Yu M, Maedche A. The effect of perceived similarity in dominance on customer self-disclosure to chatbots in conversational commerce. Proceedings of the 28th European Conference on Information Systems (ECIS); Jun 15-17, 2020; Marrakech, Morocco. [20-08-2026]. Presented at. URL. Accessed.
    pubmed_reference_list
  31. Dimidjian S, Goodman SH, Sherwood NE, et al. A pragmatic randomized clinical trial of behavioral activation for depressed pregnant women. J Consult Clin Psychol. 2017 Jan;85(1):26–36. doi: 10.1037/ccp0000151. doi. Medline. DOI: 10.1037/ccp0000151
    pubmed_reference_list
  32. Rethorst CD, Trombello JM, Chen PM, et al. Pilot evaluation on an adapted tele-behavioral activation to increase physical activity in persons with depression: a single-arm pilot study. BMC Psychol. 2024 Nov 9;12(1):643. doi: 10.1186/s40359-024-02053-5. doi. Medline. DOI: 10.1186/s40359-024-02053-5
    pubmed_reference_list
  33. Bunge EL, Desage C. A framework for evaluating mental health artificial intelligence-based conversational agents. J technol behav sci. 2025 Apr 26;10(4):731–739. doi: 10.1007/s41347-025-00519-w. doi. DOI: 10.1007/s41347-025-00519-w
    pubmed_reference_list
  34. Mayring P, Fenzl T. In: Handbuch Methoden Der Empirischen Sozialforschung [Book in German] 2nd. Baur N, Blasius J, editors. Springer Fachmedien Wiesbaden; 2019. Qualitative inhaltsanalyse; pp. 633–648. doi.
    pubmed_reference_list
  35. Sharma A, Rushton K, Lin IW, Nguyen T, Althoff T. Facilitating self-guided mental health interventions through human-language model interaction: a case study of cognitive restructuring. Proc ACM Conf Hum Factors Comput Syst. 2024:1–29. doi: 10.1145/3613904.3642761. doi. DOI: 10.1145/3613904.3642761
    pubmed_reference_list
  36. Meyer S, Elsweiler D. LLM-based conversational agents for behaviour change support: a randomised controlled trial examining efficacy, safety, and the role of user behaviour. Int J Hum Comput Stud. 2025 May;200:103514. doi: 10.1016/j.ijhcs.2025.103514. doi. DOI: 10.1016/j.ijhcs.2025.103514
    pubmed_reference_list
  37. Campellone TR, Flom M, Montgomery RM, et al. Safety and user experience of a generative artificial intelligence digital mental health intervention: exploratory randomized controlled trial. J Med Internet Res. 2025 May 23;27:e67365. doi: 10.2196/67365. doi. Medline. DOI: 10.2196/67365
    pubmed_reference_list
  38. Wang L, Bhanushali T, Huang Z, Yang J, Badami S, Hightow-Weidman L. Evaluating generative AI in mental health: systematic review of capabilities and limitations. JMIR Ment Health. 2025 May 15;12(1):e70014. doi: 10.2196/70014. doi. Medline. DOI: 10.2196/70014
    pubmed_reference_list
  39. Qiu P, Wu C, Liu S, et al. Quantifying the reasoning abilities of LLMs on clinical cases. Nat Commun. 2025 Nov 6;16(1):9799. doi: 10.1038/s41467-025-64769-1. doi. Medline. DOI: 10.1038/s41467-025-64769-1
    pubmed_reference_list
  40. Grabb D, Lamparth M, Vasan N. Risks from language models for automated mental healthcare: ethics and structure for implementation (extended abstract) Proc AAAI ACM Conf AI Ethics Soc. 2024;7(1):519. doi: 10.1609/aies.v7i1.31654. doi. DOI: 10.1609/aies.v7i1.31654
    pubmed_reference_list
  41. Xie C, Zhu D, Wang Z, Zhang H, Wei Z. Explainable AI for mental health detection from social media: a comparative study of traditional machine learning and a large language model. SSRN. 2026 Mar 14; doi: 10.2139/ssrn.6429778. Preprint posted online on. doi. DOI: 10.2139/ssrn.6429778
    pubmed_reference_list
  42. Darcy A, Daniels J, Salinger D, Wicks P, Robinson A. Evidence of human-level bonds established with a digital conversational agent: cross-sectional, retrospective observational study. JMIR Form Res. 2021 May 11;5(5):e27868. doi: 10.2196/27868. doi. Medline. DOI: 10.2196/27868
    pubmed_reference_list
  43. Rubin M, Arnon H, Huppert JD, Perry A. Considering the role of human empathy in AI-driven therapy. JMIR Ment Health. 2024 Jun 11;11:e56529. doi: 10.2196/56529. doi. Medline. DOI: 10.2196/56529
    pubmed_reference_list
  44. Ding H, Simmich J, Vaezipour A, Andrews N, Russell T. Evaluation framework for conversational agents with artificial intelligence in health interventions: a systematic scoping review. J Am Med Inform Assoc. 2024 Feb 16;31(3):746–761. doi: 10.1093/jamia/ocad222. doi. Medline. DOI: 10.1093/jamia/ocad222
    pubmed_reference_list
  45. Kocaballi AB, Quiroz JC, Rezazadegan D, et al. Responses of conversational agents to health and lifestyle prompts: investigation of appropriateness and presentation structures. J Med Internet Res. 2020 Feb 9;22(2):e15823. doi: 10.2196/15823. doi. Medline. DOI: 10.2196/15823
    pubmed_reference_list
  46. Gao L, Sherwood J, Aleisa N, Damoah A, Lu Y, Qu X. Human-centered AI agents for healthcare and education: a systematic literature review. Human-Computer Interaction International (HCII); Jun 22-27, 2025; Gothenburg, Sweden. [30-06-2026]. Presented at. URL. Accessed.
    pubmed_reference_list
  47. Kapania S, Agnew W, Eslami M, Heidari H, Fox SE. Simulacrum of stories: examining large language models as qualitative research participants. Proc 2025 CHI Conf Hum Factors Comput Syst. 2025:1–17. doi: 10.1145/3706598.3713220. doi. DOI: 10.1145/3706598.3713220
    pubmed_reference_list
  48. Ganguli D, Lovitt L, Kernion J, et al. Red teaming language models to reduce harms: methods, scaling behaviors, and lessons learned. arXiv. 2022 Aug 23; doi: 10.48550/arXiv.2209.07858. Preprint posted online on. doi. DOI: 10.48550/arXiv.2209.07858
    pubmed_reference_list
  49. Koo TK, Li MY. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 2016 Jun;15(2):155–163. doi: 10.1016/j.jcm.2016.02.012. doi. Medline. DOI: 10.1016/j.jcm.2016.02.012
    pubmed_reference_list
  50. McGraw KO, Wong SP. Forming inferences about some intraclass correlation coefficients. Psychol Methods. 1996 Mar;1(1):30–46. doi: 10.1037/1082-989X.1.1.30. doi. DOI: 10.1037/1082-989X.1.1.30
    pubmed_reference_list
  51. Lakens D. Sample size justification. Collabra Psychol. 2022 Mar 22;8(1) doi: 10.1525/collabra.33267. doi. DOI: 10.1525/collabra.33267
    pubmed_reference_list
Metadane bibliograficzne, identyfikatory (DOI/PMID/ORCID) i autorzy (6)

Metadane

Rok
2026
Czasopismo
JMIR Mental Health
Pochodzenie
lokalny katalog źródeł
Data publikacji online
Nieustalone
ISSN czasopisma
2368-7959
Tom
13
Numer
Nieustalone
Strony
e94781
Status dostępu
Nieustalone
PMCID
PMC13533316

Identyfikatory

  • DOI: 10.2196/94781
  • PMID: 42679232
  • PMCID: PMC13533316

Autorzy

  1. Florian Onur KuhlmeierAutorstwo odczytane z lokalnego katalogu.
  2. Leon HanschmannAutorstwo odczytane z lokalnego katalogu.
  3. Melina RabeAutorstwo odczytane z lokalnego katalogu.
  4. Stefan LüttkeAutorstwo odczytane z lokalnego katalogu.
  5. Eva-Lotta BrakemeierAutorstwo odczytane z lokalnego katalogu.
  6. Alexander MaedcheAutorstwo odczytane z lokalnego katalogu.
Sprawdzenie identyfikatora i Dostęp API (DOI-Checker)

Sprawdzenie identyfikatora i Bezpieczny Dostęp API (DOI-Checker)

DOI: 10.2196/94781 · PMID: 42679232

Otwórz live JSON w DOI-Checker →
Ochrona endpointu przed robotami (Sesja HttpOnly) Sesja aktywna

Bezpośrednie wywołania endpointu /doi-check.php są zabezpieczone przed automatycznym scrapingiem i wyczerpywaniem limitów Crossref/OpenAlex. Podczas przeglądania biblioteki Twoja sesja otrzymuje bezpieczny token uwierzytelniający (plik cookie HttpOnly). Zewnętrzne narzędzia badawcze mogą korzystać ze stałego klucza API (?api_key=...).

Format DOI jest poprawny lokalnie. Karta odczytuje status z lokalnego rejestru weryfikacji referencji i nie wykonuje synchronicznych requestów podczas ładowania strony.

Dopasowania identyfikatorów i duplikatów w katalogu

Dokładne dopasowania identyfikatorów

Nie znaleziono dopasowań w tej grupie.

Kandydaci do ręcznej kontroli

Nie znaleziono dopasowań w tej grupie.

Konflikty

Nie znaleziono dopasowań w tej grupie.

Podobieństwo nie scala rekordów i nie potwierdza tożsamości publikacji.

Wykorzystanie publikacji w opracowaniach serwisu (0 stron)

Nie odnotowano jawnych wystąpień publikacji w opublikowanych artykułach.

Metodologia i składowe IWBP (Indeks Widoczności Bibliograficznej)

Indeks widoczności bibliograficznej

IWBP: wynik częściowy

Widoczność w określonym korpusie danych, nie ocena jakości naukowej, siły dowodów ani jakości czasopisma.

10,0/ 10 Pokrycie wag: 30%

E · E

50%

Brak wartości znormalizowanej

Źródło: OpenAlex snapshot · zakres: No compatible versioned snapshot found

NOT_TESTED: no imputing.

B · B

30%

1,00

Źródło: Rejestr powiązań treści serwisu · zakres: Zweryfikowane powiązania w opublikowanych artykułach

F is provisional for this corpus snapshot.

D · D

20%

Brak wartości znormalizowanej

Źródło: Rejestr bibliografii bezpośrednich · zakres: Brak potwierdzonego rejestru powiązań bezpośrednich

Relacje pośrednie wykluczone.

Formuła obliczeniowa

IWBP = 10 × (0,50E + 0,30B + 0,20D)

IWBP_partial = 10 × Σ(w_i × x_i) / Σ(w_i dostępne)

Metodologia IWBP

Indeks Widoczności Bibliograficznej (IWBP) opisuje widoczność i udokumentowane wykorzystanie źródła w określonym lokalnym korpusie bibliograficznym. Nie jest oceną jakości naukowej, wiarygodności metodologicznej, siły dowodów ani oceną użytkowników.

  • E (50%) — zweryfikowany percentyl cytowań z wersjonowanego snapshotu OpenAlex; brak snapshotu nie jest zastępowany innym wskaźnikiem.
  • B (30%) — potwierdzone wykorzystanie źródła w unikalnych rodzinach zasobów lokalnego korpusu, z mianownikiem F zapisanym w wersji snapshotu.
  • D (20%) — potwierdzone, niezależne bezpośrednie relacje bibliograficzne w korpusie; ścieżki pośrednie nie zwiększają wskaźnika D.

Każda dostępna składowa jest normalizowana do zakresu 0–1. W wyniku częściowym brakujące składowe są pomijane, a wynik jest renormalizowany wyłącznie przez sumę wag dostępnych, prawidłowo zweryfikowanych składowych. Brak danych nie oznacza zera. Prowizoryczny mianownik F i status częściowy ograniczają porównywalność wyniku.

Wynik jest częściowy i nie powinien być porównywany bez zastrzeżeń z wynikiem pełnym.

Dostępne: B · brakujące: E, D · data: 2026-10-19T00:00:00Z

Interpretacja dla tej publikacji

W korpusie wykryto 0 unikalnych stron i 4 powiązań.

Brak danych nie jest traktowany jako zero.

Mapa kontroli i proweniencji publikacji (4 wykonanych kontroli)

Proweniencja i kontrola

Mapa kontroli i pochodzenia publikacji

Pokazujemy wyłącznie kontrole zapisane w lokalnych read modelach. Brak integracji lub brak uruchomienia nie jest wynikiem pozytywnym.

4Wykonane
3Pozytywne
0Problemy
1Częściowe
4Nieuruchomione / zablokowane
Rekord źródłowy→Identyfikatory→Metadane→Kontrole→Wynik i ograniczenia
Bibliografia2 kontroli
Format DOIKontrola zakończona pozytywnie (PASS)

Format DOI rozpoznany lokalnie.

Kontrola techniczna · źródło odczytu: lokalny katalog źródeł

Ograniczenie: Format nie potwierdza istnienia ani zgodności publikacji.

Podobne rekordyKontrola zakończona pozytywnie (PASS)

Dokładne: 0, kandydaci: 0, konflikty: 0.

Kontrola tożsamości · źródło odczytu: lokalny katalog źródeł

Ograniczenie: Wynik nie scala rekordów i nie zastępuje kontroli człowieka.

Weryfikator identyfikatorów (ReferenceVerifier)1 kontroli
Weryfikacja metadanych zewnętrznychZablokowane (BLOCKED)

Brak zapisanego wyniku weryfikatora.

Weryfikacja metadanych · źródło odczytu: lokalny katalog źródeł

Ograniczenie: Karta nie uruchamia zewnętrznego dostawcy podczas renderowania.

Przeglad1 kontroli
Lokalne wykorzystanieKontrola zakończona pozytywnie (PASS)

Zarejestrowano 0 stron z jawnym powiązaniem source.

Relacja publikacji z treścią · źródło odczytu: lokalna kontrola odczytowa

Ograniczenie: EXPLICIT_SOURCE_LINK oznacza relację nawigacyjną, nie dowód wsparcia claimu.

IWBP3 kontroli
Składowa EZablokowane (BLOCKED)

Brak zatwierdzonego snapshotu OpenAlex.

Interpretacja bibliograficzna · źródło odczytu: lokalna kontrola odczytowa

Ograniczenie: Nie można obliczyć zasięgu zewnętrznego.

Składowa BKontrola częściowa (PARTIAL)

Wykryto 0 stron lokalnego użycia.

Interpretacja bibliograficzna · źródło odczytu: lokalna kontrola odczytowa

Ograniczenie: Brak zatwierdzonego mianownika rodzin zasobów.

Składowa DBrak integracji (NO_INTEGRATION)

Brak rejestru relacji L0 → L1.

Interpretacja bibliograficzna · źródło odczytu: lokalna kontrola odczytowa

Ograniczenie: Nie oznacza braku relacji; oznacza brak integracji odczytowej.

Warstwa naukowa / RAG1 kontroli
Dowód wsparcia twierdzeniaBrak integracji (NO_INTEGRATION)

Brak potwierdzonej integracji tej warstwy z kartą.

Kontrola dowodów · źródło odczytu: lokalny katalog źródeł

Ograniczenie: Nie można stwierdzić, że publikacja potwierdza twierdzenie.

Mapa nie dowodzi, że publikacja wspiera powiązane twierdzenia. EXPLICIT_SOURCE_LINK oznacza tylko jawne powiązanie źródła, a REVIEW_REQUIRED oznacza „wymaga przeglądu” i nie potwierdza publicznej dostępności strony.

Słownik oznaczeń technicznych
claim
Twierdzenie lub fragment treści, z którym powiązano publikację.
source_id
Stały identyfikator publikacji w katalogu źródeł.
EXPLICIT_SOURCE_LINK
Jawne powiązanie publikacji ze stroną; nie jest automatycznym dowodem wsparcia twierdzenia.
REVIEW_REQUIRED
Strona wymaga przeglądu i nie jest prezentowana jako publicznie opublikowana.
read-only
Warstwa tylko odczytu; nie zmienia źródeł ani nie uruchamia providerów.