MétaCan
Menu
← Retour à la cohorte
Enregistrement W3088249753 · doi:10.2196/15524

An Interactive Text Message Survey as a Novel Assessment for Bedtime Routines in Public Health Research: Observational Study

2020· article· en· W3088249753 sur OpenAlexvenueno aff
George Kitsaras, Michaela Goodwin, Julia Allan, Michael P. Kelly, Iain Pretty

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Manchester
Mots-clésObservational studyBedtimeObservational methods in psychologyPublic healthComputer sciencePsychologyData scienceApplied psychologyMedicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Traditional research approaches, especially questionnaires and paper-based assessments, limit in-depth understanding of the fluid dynamic processes associated with child well-being and development. This includes bedtime routine activities such as toothbrushing and reading a book before bed. The increase in innovative digital technologies alongside greater use and familiarity among the public creates unique opportunities to use these technical developments in research. OBJECTIVE: This study aimed to (1) examine the best way of assessing bedtime routines in families and develop an automated, interactive, text message survey assessment delivered directly to participants' mobile phones and (2) test the assessment within a predominately deprived sociodemographic sample to explore retention, uptake, feedback, and effectiveness. METHODS: A public and patient involvement project showed clear preference for interactive text surveys regarding bedtime routines. The developed interactive text survey included questions on bedtime routine activities and was delivered for seven consecutive nights to participating parents' mobile phones. A total of 200 parents participated. Apart from the completion of the text survey, feedback was provided by participants, and data on response, completion, and retention rates were captured. RESULTS: There was a high retention rate (185/200, 92.5%), and the response rate was high (160/185, 86.5%). In total, 114 participants provided anonymized feedback. Only a small percentage (5/114, 4.4%) of participants reported problems associated with completing the assessment. The majority (99/114, 86.8%) of participants enjoyed their participation in the study, with an average satisfaction score of 4.6 out of 5. CONCLUSIONS: This study demonstrated the potential of deploying SMS text message-based surveys to capture and quantify real-time information on recurrent dynamic processes in public health research. Changes and adaptations based on recommendations are crucial next steps in further exploring the diagnostic and potential intervention properties of text survey and text messaging approaches.

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)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,034
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,567
Tête enseignante GPT0,580
Écart entre enseignants0,013 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and Surveillance→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→