Recruiting people with HIV to an online self-management support randomised controlled trial: barriers and facilitators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background Recruitment of people to randomised trials of online interventions presents particular challenges and opportunities. The aim of this study was to evaluate factors associated with the recruitment of people with HIV (PWHIV) and their doctors to the HealthMap trial, a cluster randomised trial of an online self-management program. METHODS: Recruitment involved a three-step process. Study sites were recruited, followed by doctors caring for PWHIV at study sites and finally PWHIV. Data were collected from study sites, doctors and patient participants. Factors associated with site enrolment and patient participant recruitment were investigated using regression models. RESULTS: Thirteen study sites, 63 doctor participants and 728 patient participants were recruited to the study. Doctors having a prior relationship with the study investigators (odds ratio (OR) 13.3; 95% confidence interval (CI) 3.0, 58.7; P = 0.001) was positively associated with becoming a HealthMap site. Most patient participants successfully recruited to HealthMap (80%) had heard about the study from their HIV doctor. Patient enrolment was associated with the number of people with HIV receiving care at the site (β coefficient 0.10; 95% CI 0.04, 0.16; P = 0.004), but not with employing a clinic or research nurse to help recruit patients (β coefficient 55.9; 95% CI -2.55, 114.25; P = 0.06). CONCLUSION: Despite substantial investment in online promotion, a previous relationship with doctors was important for doctor recruitment, and doctors themselves were the most important source of patient recruitment to the HealthMap trial. Clinic-based recruitment strategies remain a critical component of trial recruitment, despite expanding opportunities to engage with online communities.
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.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle