Recruiting participants for an international mHealth study via Facebook Ads: Experiences from the Untire App RCT
Notice bibliographique
Résumé
INTRODUCTION: Social media recruitment via Facebook Ads seems to be a promising method for large-scale international trials examining the effectiveness of mHealth interventions. However, little is known about this method in terms of strategy, reach, and costs in the context of psycho-oncology. This paper presents the results of the recruitment strategy that was applied in the Untire app study and shows how many participants could be reached using advertisements (i.e., Ads) on Facebook, who participated, and what it cost. METHOD: The Untire app study is a randomized controlled trial targeted at cancer patients and survivors across four English-speaking countries (i.e., Australia, Canada, the U.K., and the U.S.A.). Reach was assessed by the number of people who were shown the Ads, who clicked on the Ads, and completed study assessments. Demographic characteristics were gathered from Facebook Ads Manager and from online study assessments to describe who was reached. Costs were assessed by the budget spent and the cost per click for Ads, for reaching the study's landing page, and for completing study assessments. To conduct a powered RCT, we needed 164 12-weeks assessments in both the intervention and the control group. RESULTS: From March till October 2018, we used 76 Ads, which were presented to 1.2 million people. 37.376 persons clicked on the study link in the Ads, resulting in 755 baseline completers. Most participants were female (92%), middle-aged (55.5 ± 9.79), and came from the U.K. (72%). The total Facebook advertisement costs from March till October 2018 were €17 k, resulting in an average cost of €0.45 per click on the Ads, €5.55 on average for a person reaching the study's landing page, and €14.89 on average per eligible participant. The costs for every baseline and 12-weeks completer were €22.42 and €47.69, respectively. DISCUSSION: Reaching participants for international mHealth studies in psycho-oncology via Facebook Ads has potential but is costly. The key to reducing costs lies in constant optimization and testing of Ads and refinement of target audience characteristics.
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 | 0,090 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».