International ResearchKit App for Women with Menstrual Pain (Development, Access, and Engagement): Pragmatic Randomized Control Trial
Notice bibliographique
Résumé
BACKGROUND: Primary dysmenorrhea is a common condition in women of reproductive age. A previous app-based study undertaken by our group demonstrated that a smartphone app supporting self-acupressure introduced by a health care professional can reduce menstrual pain. OBJECTIVE: This study aims to evaluate whether a specific smartphone app is effective in reducing menstrual pain in 18- to 34-year-old women with primary dysmenorrhea in a self-care setting. One group of women has access to the full-featured study app and will be compared with 2 control groups who have access to fewer app features. Here, we report the trial design, app development, user access, and engagement. METHODS: On the basis of the practical implications of the previous app-based study, we revised and reengineered the study app and included the ResearchKit (Apple Inc) framework. Behavior change techniques (BCTs) were implemented in the app and validated by expert ratings. User access was estimated by assessing recruitment progress over time. User evolution and baseline survey respondent rate were assessed to evaluate user engagement. RESULTS: The development of the study app for a 3-armed randomized controlled trial required a multidisciplinary team. The app is accessible for the target population free of charge via the Apple App Store. In Germany, within 9 months, the app was downloaded 1458 times and 328 study participants were recruited using it without external advertising. A total of 98.27% (5157/5248) of the app-based baseline questions were answered. The correct classification of BCTs used in the app required psychological expertise. CONCLUSIONS: Conducting an innovative app study requires multidisciplinary effort. Easy access and engagement with such an app can be achieved by recruitment via the App Store. Future research is needed to investigate the determinants of user engagement, optimal BCT application, and potential clinical and self-care scenarios for app use. TRIAL REGISTRATION: ClinicalTrials.gov NCT03432611; https://clinicaltrials.gov/ct2/show/NCT03432611 (Archived by WebCite at http://www.webcitation.org/75LLAcnCQ).
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 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 ».