Recruiting Black Men Who Have Sex With Men (MSM) Couples via Dating Apps: Pilot Study on Challenges and Successes
Notice bibliographique
Résumé
BACKGROUND: HIV disproportionately impacts Black men who have sex with men (MSM), and targeting the primary relationship (ie, couples) using mobile technology for health holds promise for HIV prevention. Web-based recruitment of MSM is commonly employed in HIV prevention and intervention research. However, little known about recruiting Black MSM couples on the internet in the United States. OBJECTIVE: This study describes the process of recruiting Black MSM couples over social networking and dating apps frequented by MSM. We describe the activities for recruiting, screening, and enrolling participants as part of a randomized trial employing a multipronged recruitment approach. METHODS: Black MSM in couples were recruited via three apps (ie, Jack'd, Adam4Adam, and Growlr) between May 2020 and March 2021 during the COVID-19 pandemic in the United States. Black MSM couples were eligible if one or both partners are Black, MSM, and living with HIV, and if both partners were 18 years or older, and have been together for at least 2 months in what they both consider a primary relationship (ie, one in which both partners reported feeling most committed to over any other partner or relationship). RESULTS: A total of 10 Black MSM couples (n=20) were enrolled via social networking apps. App recruitment activities were a combination of passive (eg, in-app advertisements) and active (eg, direct messaging of users) engagement. Recruitment approaches varied by the social networking app owing to differences in app features. A full-time recruiter experienced challenges such as bugs (ie, technical errors in computer program or system), navigating technical requirements specific to each app, and web-based harassment. CONCLUSIONS: Despite challenges, it was possible to recruit Black MSM couples virtually into research as part of a multipronged recruitment strategy. We identify tips for using web-based dating and other social networking apps as part of a recruitment strategy in future research with Black MSM couples.
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 | 0,016 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».