Toward a Working Definition of eCohort Studies in Health Research: Narrative Literature Review
Notice bibliographique
Résumé
BACKGROUND: The wide availability of internet-connected devices and new sensor technologies increasingly infuse longitudinal observational study designs and cohort studies. Simultaneously, the costly and time-consuming nature of traditional cohorts has given rise to alternative, technology-driven designs such as eCohorts, which remain inadequately described in the scientific literature. OBJECTIVE: The aim of this study was to outline and discuss what may constitute an eCohort, as well as to formulate a first working definition for health researchers based on a review of the relevant literature. METHODS: A two-staged review and synthesis process was performed comparing 10 traditional cohorts and 10 eCohorts across the six core steps in the life cycle of cohort designs. RESULTS: eCohorts are a novel type of technology-driven cohort study that are not physically linked to a clinical setting, follow more relaxed and not necessarily random sampling procedures, are primarily based on self-reported and digitally collected data, and systematically aim to leverage the internet and digitalization to achieve flexibility, interactivity, patient-centeredness, and scalability. This approach comes with some hurdles such as data quality, generalizability, and privacy concerns. CONCLUSIONS: eCohorts have similarities to their traditional counterparts; however, they are sufficiently distinct to be treated as a separate type of cohort design. The novelty of eCohorts is associated with a range of strengths and weaknesses that require further exploration.
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 | 0,129 | 0,198 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,031 | 0,023 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,013 | 0,018 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».