MétaCan
Menu
Retour à la cohorte
Enregistrement W2402742859 · doi:10.2196/mhealth.5368

Concordance of Text Message Ecological Momentary Assessment and Retrospective Survey Data Among Substance-Using Men Who Have Sex With Men: A Secondary Analysis of a Randomized Controlled Trial

2016· article· en· W2402742859 sur OpenAlexvenueno aff
Christopher C. Rowe, Jaclyn Hern, Anna DeMartini, D. B. Jennings, Mathew Sommers, John E. Walker, Glenn‐Milo Santos

Notice bibliographique

RevueJMIR mhealth and uhealth · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésConcordanceRandomized controlled trialSubstance usePsychologyEcologyMedicineClinical psychologyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Alcohol and illicit drug use is more prevalent among men who have sex with men (MSM) compared to the general population and has been linked to HIV transmission in this population. Research assessing individual patterns of substance use often utilizes questionnaires or interviews that rely on retrospective self-reported information, which can be subject to recall bias. Ecological momentary assessment (EMA) is a set of methods developed to mitigate recall bias by collecting data about subjects' mental states and behaviors on a near real-time basis. EMA remains underutilized in substance use and HIV research. OBJECTIVE: To assess the concordance between daily reports of substance use collected by EMA text messages (short message service, SMS) and retrospective questionnaires and identify predictors of daily concordance in a sample of MSM. METHODS: We conducted a secondary analysis of EMA text responses (regarding behavior on the previous day) and audio computer-assisted self-interview (ACASI) survey data (14-day recall) from June 2013 to September 2014 as part of a randomized controlled trial assessing a pharmacologic intervention to reduce methamphetamine and alcohol use among nondependent MSM in San Francisco, California. Reports of daily methamphetamine use, alcohol use, and binge alcohol use (5 or more drinks on one occasion) were collected via EMA and ACASI and compared using McNemar's tests. Demographic and behavioral correlates of daily concordance between EMA and ACASI were assessed for each substance, using separate multivariable logistic regression models, fit with generalized estimating equations. RESULTS: Among 30 MSM, a total of 994 days were included in the analysis for methamphetamine use, 987 for alcohol use, and 981 for binge alcohol use. Methamphetamine (EMA 20%, ACASI 11%, P<.001) and alcohol use (EMA 40%, ACASI 35%, P=.001) were reported significantly more frequently via EMA versus ACASI. In multivariable analysis, text reporting of methamphetamine (adjusted odds ratio 0.06, 95% CI 0.04-0.10), alcohol (0.48, 0.33-0.69), and binge alcohol use (0.27, 0.17-0.42) was negatively associated with daily concordance in the reporting of each respective substance. Compared to white participants, African American participants were less likely to have daily concordance in methamphetamine (0.15, 0.05-0.43) and alcohol (0.2, 0.05-0.54) reporting, and other participants of color (ie, Asian, Hispanic, multi-racial) were less likely to have daily concordance in methamphetamine reporting (0.34, 0.12-1.00). College graduates were more likely to have daily concordance in methamphetamine reporting (6.79, 1.84-25.04) compared to those with no college experience. CONCLUSIONS: We found that methamphetamine and alcohol use were reported more frequently with daily EMA texts compared to retrospective ACASI, concordance varied among different racial/ethnic subgroups and education levels, and reported substance use by EMA text was associated with lower daily concordance with retrospective ACASI. These findings suggest that EMA methods may provide more complete reporting of frequent, discrete behaviors such as substance use.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,050
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,007
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,420
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetHIV/AIDS Research and InterventionsTravaux en français237 207