The experience of remote recruitment for Essential Coaching for Every Mother during the coronavirus disease 2019 pandemic
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Due to physical distancing recommendations because of the COVID-19 pandemic, recruitment approaches for perinatal research needed to shift from in-person to remote. The purpose of this study is to describe the recruitment and retention of women for an mHealth intervention study for Essential Coaching for Every Mother. METHODS: Three methods were used for recruitment: social media, posters in hospital, and media outreach. First time mothers were eligible for enrollment antenatally (37+ weeks) and postnatally (<3 weeks). Eligibility screening occurred remotely via text message. Outcomes were days to recruit 75 participants, eligibility vs. ineligibility rates, dropout and exclusion reasons, survey completion rates, perinatal timing of enrollment, and recruitment sources. RESULTS: Recruitment ran from 15 July to 19 September 2020 (67 days) with 200 potential participants screened and 88 enrolled. It took 50 days to enroll 75 participants. Women recruited antenatally were more likely to receive all intervention messages (68 vs. 19%) and miss fewer messages (6.4 vs. 13.8) than women enrolled postnatally. Participants heard about the study through family/friends (31%), news (20%), Facebook groups/ads (30%), posters (12%), or other (7%). CONCLUSION: Antenatal recruitment resulted in participants enrolling earlier and receiving more messages. Remote recruitment was a feasible way to recruit, with word of mouth and media outreach being most successful, followed by Facebook.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».