Five Lessons Learned From Randomized Controlled Trials on Mobile Health Interventions: Consensus Procedure on Practical Recommendations for Sustainable Research
Notice bibliographique
Résumé
BACKGROUND: Clinical research on mobile health (mHealth) interventions is too slow in comparison to the rapid speed of technological advances, thereby impeding sustainable research and evidence-based implementation of mHealth interventions. OBJECTIVE: We aimed to establish practical lessons from the experience of our working group, which might accelerate the development of future mHealth interventions and their evaluation by randomized controlled trials (RCTs). METHODS: This paper is based on group and expert discussions, and focuses on the researchers' perspectives after four RCTs on mHealth interventions for chronic pain. RESULTS: The following five lessons are presented, which are based on practical application, increase of speed, and sustainability: (1) explore stakeholder opinions, (2) develop the mHealth app and trial simultaneously, (3) minimize complexity, (4) manage necessary resources, and (5) apply behavior change techniques. CONCLUSIONS: The five lessons developed may lead toward an agile research environment. Agility might be the key factor in the development and research process of a potentially sustainable and evidence-based mHealth intervention.
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 | 0,790 | 0,828 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,011 | 0,014 |
| Bibliométrie | 0,018 | 0,010 |
| Études des sciences et des technologies | 0,009 | 0,025 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,015 | 0,022 |
| Intégrité de la recherche | 0,031 | 0,046 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».