A ResearchKit app to deliver paediatric electronic consent: Protocol of an observational study in adolescents with arthritis
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
ResearchKit is an open-source software framework designed to streamline the process of screening and consenting participants into research studies. By digitizing traditionally analog processes, ResearchKit has potential to increase the reach, efficiency, and scalability of mobile health (mHealth) research. The model has been successfully applied in adult settings. However, to our knowledge, no group has sought to adapt ResearchKit for a paediatric research environment in Canada. The potential benefits for building paediatric mHealth apps compatible with remote eConsent are numerous: (1) access to studies can be broadened from small groups of children and families who live in close proximity to research sites to whole populations across geographical boundaries, (2) increased convenience for study participants because they can complete consent on their smartphone from their home, rather than in person or on paper, and (3) large-scale study enrollment can be conducted with fewer resources than traditional face-to-face methods. We describe the rationale and design of a proof-of-concept observational study focused on implementing remote eConsent in a Canadian paediatric population. A community-based sample of adolescents with arthritis will be remotely onboarded to use the iCanCope pain self-management app for 8-weeks. Outcomes will focus on: (1) fidelity and acceptability of the eConsent process, (2) fidelity of the iCanCope app in terms of engagement and acceptability, (3) participant study experience including level of perceived support and acceptability of study tasks, and (4) clinical outcomes related to use of the iCanCope app over an 8-week period.
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 | 0,020 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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