Comparing Social Media and In-Person Recruitment: Lessons Learned From Recruiting Substance-Using, Sexual and Gender Minority Adolescents and Young Adults for a Randomized Control Trial
Notice bibliographique
Résumé
BACKGROUND: Recruiting large samples of diverse sexual and gender minority adolescent and young adults (AYAs) into HIV intervention research is critical to the development and later dissemination of interventions that address the risk factors for HIV transmission among substance-using, sexual and gender minority AYAs. OBJECTIVE: This paper aimed to describe the characteristics of the samples recruited via social media and in-person methods and makes recommendations for strategies to recruit substance-using, sexual and gender minority AYAs, a hardly reached population that is a priority for HIV prevention research. METHODS: Using data from a randomized control trial of an HIV and substance use intervention with sexual and gender minority AYAs, aged 15 to 29 years in southeastern Michigan (n=414), we examined demographic and behavioral characteristics associated with successful recruitment from a range of virtual and physical venues. RESULTS: We found that paid advertisements on Facebook, Instagram, and Grindr offered the largest quantity of eligible participants willing to enroll in the trial. Instagram offered the largest proportion of transgender masculine participants, and Grindr offered the largest proportion of Black/African American individuals. Although we attempted venue-based recruitment at clubs, bars, community centers, and AIDS service organizations, we found it to be unsuccessful for this specific hardly reached population. Social media and geobased dating applications offered the largest pool of eligible participants. CONCLUSIONS: Understanding factors associated with successful recruitment has the potential to inform effective and efficient strategies for HIV prevention research with substance-using, sexual and gender AYAs. TRIAL REGISTRATION: ClinicalTrials.gov NCT02945436; https://clinicaltrials.gov/ct2/show/NCT02945436. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.2196/resprot.9414.
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 | 0,443 | 0,567 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,009 | 0,007 |
| 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; 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 ».