MétaCan
Menu
Retour à la cohorte
Enregistrement W2788925268 · doi:10.2196/mhealth.8123

Mobile Phone Ownership Is Not a Serious Barrier to Participation in Studies: Descriptive Study

2018· article· en· W2788925268 sur OpenAlexvenueno aff
Emily Harvey, Leslie F Rubin, Sabrina L Smiley, Yitong Zhou, Hoda Elmasry, Jennifer Pearson

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésMobile phonePhoneGeolocationDescriptive statisticsData collectionInclusion (mineral)Internet privacyMedicinePsychologyAdvertisingComputer scienceBusinessWorld Wide WebSocial psychologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rather than providing participants with study-specific data collection devices, their personal mobile phones are increasingly being used as a means for collecting geolocation and ecological momentary assessment (EMA) data in public health research. OBJECTIVE: The purpose of this study was to (1) describe the sociodemographic characteristics of respondents to an online survey screener assessing eligibility to participate in a mixed methods study collecting geolocation and EMA data via the participants' personal mobile phones, and (2) examine how eligibility criteria requiring mobile phone ownership and an unlimited text messaging plan affected participant inclusion. METHODS: Adult (≥18 years) daily smokers were recruited via public advertisements, free weekly newspapers, printed flyers, and word of mouth. An online survey screener was used as the initial method of determining eligibility for study participation. The survey screened for twenty-eight inclusion criteria grouped into three categories, which included (1) cell phone use, (2) tobacco use, and (3) additional criteria. RESULTS: A total of 1003 individuals completed the online screener. Respondents were predominantly African American (605/1003, 60.3%) (60.4%), male (514/1003, 51.3%), and had a median age of 35 years (IQR 26-50). Nearly 50% (496/1003, 49.5%) were unemployed. Most smoked menthol cigarettes (699/1003, 69.7%), and had a median smoking history of 11 years (IQR 5-21). The majority owned a mobile phone (739/1003, 73.7%), could install apps (86.8%), used their mobile phone daily (89.5%), and had an unlimited text messaging plan (871/1003, 86.8%). Of those who completed the online screener, 302 were eligible to participate in the study; 163 were eligible after rescreening, and 117 were enrolled in the study. Compared to employed individuals, a significantly greater proportion of those who were unemployed were ineligible for the study based on mobile phone inclusion criteria (P<.001); yet, 46.4% (333/717) of the individuals who were unemployed met all mobile phone inclusion criteria. CONCLUSIONS: Inclusion criteria requiring participants to use their personal mobile phones for data collection was not a major barrier to study participation for most respondents who completed the online screener, including those who were unemployed. TRIAL REGISTRATION: ClinicalTrials.gov NCT02261363; https://clinicaltrials.gov/ct2/show/NCT02261363 (Archived by WebCite at http://www.webcitation.org/6wOmDluSt).

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)0,008
score de la tête « metaresearch » (Gemma)0,033
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,033
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,407
Écart entre enseignants0,314 · 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207