A randomized community trial to advance digital epidemiological and mHealth citizen scientist compliance: A smart platform study
Notice bibliographique
Résumé
BACKGROUND: This study aims to understand how participants' compliance and response rates to both traditional validated surveys and ecological momentary assessments (EMAs) vary across 4 cohorts who participated in the same mHealth study and received the same surveys and EMAs on their smartphones, however with cohort-specific time-triggers that differed across the 4 cohorts. METHODS: As part of the Smart Platform, adult citizen scientists residing in Regina and Saskatoon, Canada, were randomly assigned to 4 cohorts in 2018. Citizen Scientists provided a complex series of subjective and objective data during 8 consecutive days using a custom-built smartphone application. All citizen scientists responded to both validated surveys and EMAs that captured physical activity. However, using Smart Platform, we varied the burden of responding to validated surveys and EMAs across cohorts by using different time-triggered push notifications. Participants in Cohort 1 (n = 10) received the full baseline 209-item validated survey on day 1 of the study; whereas participants in cohorts 2 (n = 26), 3 (n = 10), and 4 (n = 25) received the same survey in varied multiple sections over a period of 4 days. We used weighted One-way Analysis of Variance (ANOVA) tests and weighted, linear regression models to assess for differences in compliance rate across the cohort groups controlling for age, gender, and household income. RESULTS: Compliance to EMAs that captured prospective physical activity varied across cohorts 1 to 4: 50.0% (95% Confidence Interval [C.I.] = 31.4, 68.6), 63.0% (95% C.I. = 50.7, 75.2), 37.5% (95% C.I. = 18.9, 56.1), and 61.2% (95% C.I. = 47.4, 75.0), respectively. The highest completion rate of physical activity validated surveys was observed in Cohort 4 (mean = 97.9%, 95% C.I. = 95.5, 100.0). This was also true after controlling for age, gender, and household income. The regression analyses showed that citizen scientists in Cohorts 2, 3, and 4 had significantly higher compliance with completing the physical activity validated surveys relative to citizen scientists in cohort group 1 who completed the full survey on the first day. CONCLUSIONS & SIGNIFICANCES: The findings show that maximizing the compliance rates of research participants for digital epidemiological and mHealth studies requires a balance between rigour of data collection, minimization of survey burden, and adjustment of time- and user-triggered notifications based on citizen or patient input.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».