Investigating Health Risk Environments in Housing Programs for Young Adults: Protocol for a Geographically Explicit Ecological Momentary Assessment Study
Notice bibliographique
Résumé
BACKGROUND: Young adults who experience homelessness are exposed to environments that contribute to risk behavior. However, few studies have examined how access to housing may affect the health risk behaviors of young adults experiencing homelessness. OBJECTIVE: This paper describes the Log My Life study that uses an innovative, mixed-methods approach based on geographically explicit ecological momentary assessment (EMA) through cell phone technology to understand the risk environment of young adults who have either enrolled in housing programs or are currently homeless. METHODS: For the quantitative arm, study participants age 18-27 respond to momentary surveys via a smartphone app that collects geospatial information repeatedly during a 1-week period. Both EMAs (up to 8 per day) and daily diaries are prompted to explore within-day and daily variations in emotional affect, context, and health risk behavior, while also capturing infrequent risk behaviors such as sex in exchange for goods or services. For the qualitative arm, a purposive subsample of participants who indicated engaging in risky behaviors are asked to complete an in-depth qualitative interview using an interactive, personalized geospatial map rendering of EMA responses. RESULTS: Recruitment began in June of 2017. To date, 170 participants enrolled in the study. Compliance with EMA and daily diary surveys was generally high. In-depth qualitative follow-ups have been conducted with 15 participants. We expect to recruit 50 additional participants and complete analyses by September of 2019. CONCLUSIONS: Mixing the quantitative and qualitative arms in this study will provide a more complete understanding of differences in risk environments between homeless and housed young adults. Furthermore, this approach can improve recall bias and enhance ecological validity. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/12112.
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 | 0,029 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,017 |
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 source (Gemma direct ou Codex distillé), 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 ».