MétaCan
Menu
Retour à la cohorte
Enregistrement W2964446673 · doi:10.2196/12444

Health Research Using Facebook to Identify and Recruit Pregnant Women Who Use Electronic Cigarettes: Internet-Based Nonrandomized Pilot Study

2019· article· en· W2964446673 sur OpenAlexvenueno aff
Harold Lee, Yuli Patrick Hsieh, Joe Murphy, Jennifer W. Tidey, David A. Savitz

Notice bibliographique

RevueJMIR Research Protocols · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésThe InternetMedicinePsychologyInternet privacyFamily medicineMedical educationWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Participant recruitment is often a challenge, particularly enrolling individuals with relatively rare characteristics. The wide reach of social media may provide a mechanism to overcome these challenges. OBJECTIVE: This paper aimed to provide information to researchers who seek to recruit participants from rare populations using social media for studies with demanding protocols. We aimed to describe a pilot study protocol that identified and enrolled pregnant women (second or third trimester) who were exclusive users of electronic cigarettes (e-cigarettes). We have described the recruitment methods, time, and cost; examined advertisement types that were more or less successful; discussed participant retention and relationship management; and described the process of collecting biological data. METHODS: In an open-access, nonrandomized pilot study, we placed Facebook advertisements that were selectively targeting women who were likely to be pregnant and interested in e-cigarettes or vaping. The advertisements invited individuals to complete a fully automated eligibility screener based on Qualtrics. Eligible participants were asked to (1) complete a Web-based survey that collected detailed information on the use of e-cigarettes, including the exact type of device and electronic liquid, (2) report the frequency and intensity of e-cigarette use for 3 months before pregnancy and during each trimester, and (3) provide a saliva specimen for a nicotine biomarker assay. We collected a photograph of each participant's e-cigarette device, 8 weeks after the mother's due date, to allow corroboration of the self-report and the baby's birth weight and gestational age from the participant's physician. RESULTS: Participants were recruited between August 19 and October 26, 2017. We enrolled 20 participants in 2 months at a cost of US $3421.28. Baseline data were collected for all 20 participants. Of the 20 women enrolled, 16 provided a saliva sample, 4 provided a photo of the e-cigarette device, and 10 provided physician contact information. Of the 10 physicians contacted by mail, 6 responded with information on the participants and their babies. CONCLUSIONS: Study findings suggest that Facebook's targeting criteria should focus on e-cigarette users to maximize advertisement exposure of potentially eligible women. In addition, saliva sample collection was feasible among pregnant women (second or third trimester) who were exclusive e-cigarette users, but obtaining photographs and physician reports was problematic and called for further refinement. These lessons are likely useful to others who are seeking to use social media to recruit participants from rare populations into studies with demanding protocols.

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)0,016
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,698
Tête enseignante GPT0,661
Écart entre enseignants0,037 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetSocial Media in Health EducationTravaux en français237 207