Going From Zero to 100 in Remote Dementia Research: A Practical Guide
Notice bibliographique
Résumé
Remote approaches for dementia research are required in the era of COVID-19, but moving a research program from in person to remote involves additional considerations. We recommend using outcome measures that have psychometric properties for remote delivery, and we recommend against adapting in-person scales for remote delivery without evidence for psychometric equivalency. We suggest remote research designs that maximize benefit for participants, which could have implications for control groups. Researchers should plan for flexibility in their methods for remote research and must not assume all participants will be able to videoconference; telephone-only research is possible. We recommend performing an assessment of information communication technology infrastructure and prior exposure to this technology with each participant before making a final choice on remote methods for research. In general, researchers should adapt their methods for remote research to each participant rather than requesting participants to adapt to the researchers. Screening for sensory loss should be conducted, and the impact of this on the use of technology for remote research should be considered. In this viewpoint, we detail how individualized training is required prior to engaging in remote research, how training plans interact with cognitive impairments and, finally, the steps involved in facilitating technology-based remote data collection.
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 | 0,037 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,009 | 0,016 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,093 |
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 ».