An Automated Text-Messaging Platform for Enhanced Retention and Data Collection in a Longitudinal Birth Cohort: Cohort Management Platform Analysis
Notice bibliographique
Résumé
BACKGROUND: Traditional methods for recruiting and maintaining contact with participants in cohort studies include print-based correspondence, which can be unidirectional, labor intensive, and slow. Leveraging technology can substantially enhance communication, maintain engagement of study participants in cohort studies, and facilitate data collection on a range of outcomes. OBJECTIVE: This paper provides an overview of the development process and design of a cohort management platform (CMP) used in the Newborn Epigenetic STudy (NEST), a large longitudinal birth cohort study. METHODS: The platform uses short message service (SMS) text messaging to facilitate interactive communication with participants; it also semiautomatically performs many recruitment and retention procedures typically completed by research assistants over the course of multiple study follow-up visits. RESULTS: Since February 2016, 302 participants have consented to enrollment in the platform and 162 have enrolled with active engagement in the system. Daily reminders are being used to help improve adherence to the study's accelerometer wear protocol. At the time of this report, 213 participants in our follow-up study who were also registered to use the CMP were eligible for the accelerometer protocol. Preliminary data show that texters (138/213, 64.8%), when compared to nontexters (75/213, 35.2%), had significantly longer average accelerometer-wearing hours (165.6 hours, SD 56.5, vs 145.3 hours, SD 58.5, P=.01) when instructed to wear the devices for 1 full week. CONCLUSIONS: This platform can serve as a model for enhancing communication and engagement with longitudinal study cohorts, especially those involved in studies assessing environmental exposures.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».