An evaluation of the feasibility and usability of a proof of concept mobile app for adverse event reporting post influenza vaccination
Notice bibliographique
Résumé
The Canadian National Vaccine Safety network (CANVAS) gathers and analyzes safety data on individuals receiving the influenza vaccine during the early stages of annual influenza vaccination campaigns with data collected via participant surveys through the Internet. We sought to examine whether it was feasible to use a mobile application (app) to facilitate AEFI reporting for the CANVAS network. To explore this, we developed a novel smartphone app, recruited participants from a hospital influenza immunization clinic and by word of mouth and instructed them to download and utilize the app. The app reminded participants to complete the CANVAS AEFI surveillance surveys ("AEFI surveys") on day 8 and 30, a survey capturing app usability metrics at day 30 ("usability survey") and provided a mechanism to report AEFI events spontaneously throughout the whole study period. All survey results and spontaneous reports were recorded on a privacy compliant, cloud server. A software plug-in, Lookback, was used to record the on-screen experience of the app sessions. Of the 76 participants who consented to participate, 48(63%) successfully downloaded the app and created a profile. In total, 38 unique participants completed all of the required surveillance surveys; transmitting 1104 data points (survey question responses and spontaneous reports) from 83 completed surveys, including 21 usability surveys and one spontaneous report. In total, we received information on new or worsening health conditions after receiving the influenza vaccine from 11(28%) participants. Of the usability survey responses, 86% agreed or strongly agreed that they would prefer to use a mobile app based reporting system instead of a web-based system. The single spontaneous report received was from a participant who had also reported using the Day 8 survey. Of Lookback observable sessions, an accurate transmission proportion of 100% (n=290) was reported for data points. We demonstrated that a mobile app can be used for AEFI reporting, although download and survey completion proportions suggest potential barriers to adoption. Future studies should examine implementation of mobile reporting in a broader audience and impact on the quality of reporting of adverse events following immunization.
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 | 0,004 | 0,001 |
| 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 ».