MétaCan
Menu
Retour à la cohorte
Enregistrement W3155675912 · doi:10.2196/26571

A Data-Free Digital Platform to Reach Families With Young Children During the COVID-19 Pandemic: Online Survey Study

2021· article· en· W3155675912 sur OpenAlexvenueno aff
Linda Richter, Sara Naicker

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research Council
Mots-clésPandemicSurvey data collectionPopulationCoronavirus disease 2019 (COVID-19)The InternetGeographyPsychologyMedicineEnvironmental healthComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic and containment measures have severely affected families around the world. It is frequently assumed that digital technologies can supplement and perhaps even replace services for families. This is challenging in conditions of high device and data costs as well as poor internet provision and access, raising concerns about widening inequalities in availability of support and consequent effects on child and family outcomes. Very few studies have examined these issues, including in low- and middle-income countries. OBJECTIVE: The study objectives were two-fold. The first objective was to gather data on the impact of the COVID-19 pandemic on families of young children using an online survey. The second objective was to assess the feasibility of using a data-free online platform to conduct regular surveys and, potentially, to provide support for parents and families of young children in South Africa. METHODS: We used a data-free mobile messenger platform to conduct a short digital survey of the impact of the COVID-19 pandemic on caring for young children in South Africa. We report on the methodological processes and preliminary findings of the online survey. RESULTS: More than 44,000 individuals accessed the survey link and 16,217 consented to the short survey within 96 hours of its launch. Respondents were predominantly from lower classes and lower-middle classes, representing the majority of the population, with urban residential locations roughly proportionate to national patterns and some underrepresentation of rural households. Mothers comprised 70.2% (11,178/15,912) of respondents and fathers comprised 29.8% (4734/15,912), representing 18,672 children 5 years of age and younger. Response rates per survey item ranged from 74.8% (11,907/15,912) at the start of the survey to 50.3% (8007/15,912) at completion. A total of 82.0% (12,729/15,912) of parents experienced at least one challenge during the pandemic, and 32.4% (2737/8441) did not receive help when needed from listed sources. Aggregate and individual findings in the form of bar graphs were made available to participants to view and download once they had completed the survey. Participants were also able to download contact details for support and referral services at no data cost. CONCLUSIONS: Data-free survey methodology breaks new ground and demonstrates potential not previously considered. Reach is greater than achieved through phone surveys and some social media platforms, men are not usually included in parent surveys, costs are lower than phone surveys, and the technology allows for immediate feedback to respondents. These factors suggest that zero-rated, or no-cost, services could provide a feasible, sustainable, and equitable basis for ongoing interactions with families of young children.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,151
Tête enseignante GPT0,443
Écart entre enseignants0,292 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207