Achtergrond
Engagement (betrokkenheid) met online e-healthprogramma’s lijkt een belangrijke rol te spelen bij de effectiviteit ervan. In eerder onderzoek zagen we dat gebruikers die meer engaged zijn een grotere afname van klachten laten zien en zich vaker geholpen voelen. Als we weten hoe engagement wordt beïnvloed, kunnen we daarop inspelen en meer mensen helpen.
In dit onderzoek gaan we in gesprek met gebruikers die laag en hoog scoren op de engagementvragenlijst TWEETS. Wat maakt dat zij zich al dan niet betrokken voelen bij het programma dat ze volgen?
Methode
Cliënten konden hun interesse voor een interview kenbaar maken door een e-mailadres achter te laten nadat zij de engagementvragenlijst (TWEETS) hadden ingevuld binnen het programma dat ze volgden. De semi-gestructureerde interviews zijn met behulp van een topiclijst afgenomen door twee onderzoekers van Therapieland. De gespreksverslagen zijn thematisch geanalyseerd, waarbij de fragmenten zijn gecodeerd naar factoren met betrekking tot het online programma, de gebruiker en de rol van de behandelaar.
Er zijn 14 cliënten geïnterviewd. Zij volgden een of meer van de volgende programma’s: Piekeren, Omgaan met emoties, Overspanning & burn-out, Zelfbeeld, Eerste stap naar herstel en Rouw.
Resultaten
Factoren rond het online programma
Kunnen terugkeren. Veel cliënten vinden het prettig dat ze niet hoeven te wachten op een fysieke sessie. Zelf kunnen bepalen wanneer ze aan de slag gaan geeft structuur en houvast.
De inhoud. De aansluiting van de thema’s en het niveau van het programma is zeer bepalend voor engagement. Belangrijk zijn nieuwe inzichten, meer grip op de situatie, het ervaren van vooruitgang en de toepasbaarheid in het dagelijks leven. Een deel ervaart daarentegen een gebrek aan diepgang, of herhaling van wat zij al eerder hadden gelezen of in therapie geleerd.
Gebruiksvriendelijkheid. De programma’s worden over het algemeen gebruiksvriendelijk gevonden. Inloggen is voor de meesten laagdrempelig, maar niet voor iedereen; dat lijkt samen te hangen met de manier waarop de instelling het platform aanbiedt. Sommigen missen een overzicht van de onderwerpen om naar de voor hen relevante thema’s te kunnen navigeren, en een aantal vindt het jammer dat opdrachten maar één keer kunnen worden ingevuld.
Videotherapeut. Een passende videotherapeut blijkt voor velen belangrijk. Cliënten hebben verschillende voorkeuren wat betreft leeftijd, geslacht, stem, spreeksnelheid en formeel of informeel taalgebruik. De meesten vonden een therapeut die bij hen paste.
Factoren rond de cliënt
Een open, gemotiveerde houding en het van alles willen aangrijpen om zich beter te gaan voelen bevordert engagement; een gebrek daaraan werkt belemmerend. Dat kan gedurende het behandeltraject fluctueren. Ook het type psychische klachten speelt een rol: wie zich bijvoorbeeld depressief voelt, kan zich minder gemotiveerd voelen om met het programma bezig te zijn.
Factoren rond de rol van de behandelaar
De geïnterviewden hadden verschillende behoeften. Een aantal vond het prima om het programma zelfstandig te volgen; de meerderheid vond enige betrokkenheid van hun behandelaar prettig, zoals dingen kunnen bespreken of weten dat de behandelaar meekijkt. Onduidelijkheid over de rol van de behandelaar of over de redenen om het programma te volgen, was soms belemmerend voor de engagement.
Conclusie
Een samenspel van factoren rond de gebruiker, de interventie en de interactie met de behandelaar is van invloed op engagement. De uitkomsten liggen in lijn met eerdere interviews waarin we gebruikers vroegen wat ervoor zorgt dat zij zich geholpen voelen.
De inzichten worden op twee manieren ingezet. Ten eerste laten ze zien wat al goed gaat en waar ruimte is voor verbetering in de programma’s; om te zien in hoeverre deze ervaringen breder worden gedeeld, zijn de uitkomsten gekwantificeerd in een vragenlijstonderzoek onder een grotere groep gebruikers (deel 2). Ten tweede vormen ze input voor een data-driven voorspelmodel binnen het langerlopende matchmaking-project van IJ-lab, dat als doel heeft per gebruiker te voorspellen bij welke programma’s die het meest gebaat is.
