Facilitating User Participation in Digital Health Research: The mHealth Impact Registry
Notice bibliographique
Résumé
Background The proliferation of technology galvanizes providers, researchers, and entrepreneurs to revolutionize health care and care delivery with diverse audiences. Digital health provides promise in improving health outcomes; however, the pace of technology requires rapid research to remain relevant in the marketplace. User experience (UX) research provides critical information about patient/client preferences while rigorous research trials demonstrate digital health efficacy. Despite the need for such research, the recruitment and enrollment process for digital health research remains time consuming and expensive, particularly when engaging underrepresented populations. Developed in the Colorado School of Public Health, the mHealth Impact Registry is a newly launched platform designed for rapid and responsive recruitment of participants for digital health research studies. While the use of registries in research is robust, the application in digital health research is quite limited. Objective This poster illustrates the development and testing of the mHealth Impact Registry’s Web-based platform, health status survey, mobile app, and participant database to reach underrepresented populations in digital health research. Methods Formative methods used a user centered approach to document user preferences for Registry design followed by iterative testing to ensure usability and navigability. Results End-user feedback was captured from multiple stakeholder groups (ie, Patient and Family Research Advisory Panel and mHealth Community Advisory Board) to refine recruitment strategy (ie, letters, video development). A health status survey was developed in both English and Spanish using the online software (ie, Qualtrics) that informs the back-end database. A detailed requirements document outlined technical and functional requirements for the mobile app (ie, iOS and Android) and Web-based platform (ie, Wordpress and Amazon Web Services). Conclusions Due to the need for rapid, rigorous, and inclusive research in digital health, a registry containing a pool of diverse participants would not only accelerate the recruitment and enrollment process but would also help to improve the reach and engagement of digital health solutions for underrepresented populations. The mHealth Impact Registry would house diverse participants, supporting quick enrollment and active participation in studies for which they are eligible. Improving the accessibility of participants and the speed of enrollment has promise in ensuring digital health solutions are relevant upon dissemination and commercialization.
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 | 0,007 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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.
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 ».