MétaCan
Menu
← Retour à la cohorte
Enregistrement W3005002353 · doi:10.2196/15282

Bridging the Digital Divide Among Racial and Ethnic Minority Men Who Have Sex With Men to Reduce Substance Use and HIV Risk: Mixed Methods Feasibility Study

2020· article· en· W3005002353 sur OpenAlexvenueno aff
Elaine Hsiang, Claudine Offer, Maximo Prescott, Amy Rodriguez, Emily Behar, Tim Matheson, Diane Santa Maria, Glenn‐Milo Santos

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHIV/AIDS Research and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug Abuse
Mots-clésEthnic groupPsychological interventionPolysubstance dependenceMedicineConcordanceSexual minorityMen who have sex with menPublic healthGerontologyQualitative propertySubstance abuseDescriptive statisticsClinical psychologySubstance usePsychologyHuman immunodeficiency virus (HIV)Family medicineSexual orientationPsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Ecological momentary assessment (EMA) is a promising data collection tool for mobile health interventions targeting episodic health behaviors. For substance-using men who have sex with men (SUMSM), EMA is becoming more widely utilized in efforts to characterize substance use and sexual risk factors for HIV transmission. However, recent literature demonstrates emerging concerns over compliance and lower EMA engagement and data concordance among racial and ethnic minority SUMSM. OBJECTIVE: This study aimed to provide a qualitative evaluation of the barriers and facilitators of EMA as a data collection tool among racial and ethnic minority SUMSM. METHODS: Between October and November 2017, 45 racial and ethnic minority SUMSM were recruited from a list of prior research participants at the San Francisco Department of Public Health to participate in daily EMA surveys on their substance use and sexual health behaviors for 1 week, followed by in-person focus groups (FGs). A total of 4 FGs explored the participants' experiences with the surveys, issues regarding privacy and confidentiality, and suggestions for improvement. Qualitative analysis was performed using content analysis. Descriptive statistics and Fisher exact tests were used to assess the associations between demographics or substance use behaviors and EMA completion. RESULTS: Overall, 93.9% (295/314) of all delivered surveys were initiated, and of those, 98.0% (289/295) were completed. Neither participant demographics, including race (P=.65) or age (P=.43), nor substance use behaviors, including the frequency of alcohol (P=.40) or methamphetamine (P=.91) use or any cocaine (P=.28), crack (P=.99), or polysubstance use (P=.24), were found to be associated with survey completion. Overall, participants were receptive to the text message-based EMA surveys. Facilitators included survey timing, user-friendly survey design, survey-stimulated self-reflection, coding of sensitive phrases, and other privacy benefits of a mobile survey. Barriers included an inability to correct texting errors and participants' perception of judgment or stigmatization related to questions about condomless sex. To improve EMA compliance and uptake, participants suggested adding response confirmations, clarifying survey language, and continuing to diversify the study audience. CONCLUSIONS: EMA appears to be feasible and acceptable among this sample of racial and ethnic minority SUMSM. Close attention to EMA study design and the development of nonjudgmental, contextualized questions regarding stigmatized health behaviors may be critical to further improve EMA compliance.

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)0,015
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,120
Tête enseignante GPT0,456
Écart entre enseignants0,336 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetHIV/AIDS Research and Interventions→Travaux en français237 207→