Ecological Momentary Assessment of Illicit Drug Use Compared to Biological and Self-Reported Methods
Notice bibliographique
Résumé
BACKGROUND: The use of mHealth methods for capturing illicit drug use and associated behaviors have become more widely used in research settings, yet there is little research as to how valid these methods are compared to known measures of capturing and quantifying drug use. OBJECTIVE: We examined the concordance of ecological momentary assessment (EMA) of drug use to previously validated biological and audio-computer assisted self-interview (ACASI) methods. METHODS: The Exposure Assessment in Current Time (EXACT) study utilized EMA methods to assess drug use in real-time in participants' natural environments. Utilizing mobile devices, participants self-reported each time they used heroin or cocaine over a 4-week period. Each week, PharmChek sweat patch samples were collected for measurement of heroin and cocaine and participants answered an ACASI-based questionnaire to report behaviors and drug using events during the prior week. Reports of cocaine and heroin use captured through EMA were compared to weekly biological or self-report measures through percent agreement and concordance correlation coefficients to account for repeated measures. Correlates of discordance were obtained from logistic regression models. RESULTS: A total of 109 participants were a median of 48.5 years old, 90% African American, and 52% male. During 436 person-weeks of observation, we recorded 212 (49%) cocaine and 103 (24%) heroin sweat patches, 192 (44%) cocaine and 161 (37%) heroin ACASI surveys, and 163 (37%) cocaine and 145 (33%) heroin EMA reports. The percent agreement between EMA and sweat patch methods was 70% for cocaine use and 72% for heroin use, while the percent agreement between EMA and ACASI methods was 77% for cocaine use and 79% for heroin use. Misreporting of drug use by EMA compared to sweat patch and ACASI methods were different by illicit drug type. CONCLUSIONS: Our work demonstrates moderate to good agreement of EMA to biological and standard self-report methods in capturing illicit drug use. Limitations occur with each method and accuracy may differ by type of illicit drugs used.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».