The Role of Social Media in Recruiting for Clinical Trials in Pregnancy
Notice bibliographique
Résumé
BACKGROUND: Recruitment of women in the periconceptional period to clinical studies using traditional advertising through medical establishments is difficult and slow. Given the widespread use of the internet as a source for medical information and research, we analyze the impact of social media in the second phase of an ongoing randomized, open-label clinical trial among pregnant women. This study aims to assess the effectiveness of social media as a recruitment tool through the comparison of diverse recruitment techniques in two different phases of the trial. METHODS: Recruitment in Phase 1 of the study consisted solely of traditional healthcare-based sources. This was compared to Phase 2 of the study where traditional recruitment was continued and expanded, while social media was used as a supplementary source. Yearly recruitment and recruitment rates in the two phases were compared using the Mann Whitney U test. The contributions of each recruitment source to overall recruitment were analyzed, and the impact of potential confounders on recruitment rate was evaluated using a multiple regression and Interrupted Time Series Analysis. RESULTS: In the first phase of the study, with over 56 months of recruitment using traditional sources, 35 women were enrolled in the study, resulting in a mean rate of ±0.62 recruits/month. In the 6 months implementing recruitment through social media, 45 women were recruited, for a 12-fold higher rate of ±7.5 recruits/month. Attrition rates remained constant, suggesting that social media had a positive impact on recruitment. The Interrupted Time Series Analysis detected a significant difference in recruitment after the intervention of social media (p<0.0001) with an evident increase in the number of recruits observed after the use of social media. CONCLUSIONS: Clinicians and scientists recruiting for clinical studies should learn how to use online social media platforms to improve recruitment rates, thus increasing recruitment efficiency and cost-effectiveness.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,291 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».