Evaluation of Mechanisms to Improve Performance of Mobile Phone Surveys in Low- and Middle-Income Countries: Research Protocol
Notice bibliographique
Résumé
BACKGROUND: Mobile phone ownership and access have increased rapidly across low- and middle-income countries (LMICs) within the last decade. Concomitantly, LMICs are experiencing demographic and epidemiologic transitions, where non-communicable diseases (NCDs) are increasingly becoming leading causes of morbidity and mortality. Mobile phone surveys could aid data collection for prevention and control of these NCDs but limited evidence of their feasibility exists. OBJECTIVE: The objective of this paper is to describe a series of sub-studies aimed at optimizing the delivery of interactive voice response (IVR) and computer-assisted telephone interviews (CATI) for NCD risk factor data collection in LMICs. These sub-studies are designed to assess the effect of factors such as airtime incentive timing, amount, and structure, survey introduction characteristics, different sampling frames, and survey modality on key survey metrics, such as survey response, completion, and attrition rates. METHODS: In a series of sub-studies, participants will be randomly assigned to receive different airtime incentive amounts (eg, 10 minutes of airtime versus 20 minutes of airtime), different incentive delivery timings (airtime delivered before survey begins versus delivery upon completion of survey), different survey introductions (informational versus motivational), different narrative voices (male versus female), and different sampling frames (random digit dialing versus mobile network operator-provided numbers) to examine which study arms will yield the highest response and completion rates. Furthermore, response and completion rates and the inter-modal reliability of the IVR and CATI delivery methods will be compared. RESULTS: Research activities are expected to be completed in Bangladesh, Tanzania, and Uganda in 2017. CONCLUSIONS: This is one of the first studies to examine the feasibility of using IVR and CATI for systematic collection of NCD risk factor information in LMICs. Our findings will inform the future design and implementation of mobile phone surveys in LMICs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,327 | 0,333 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,011 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».