Crowdsourced Community Support Resources Among Patients Discharged From the Emergency Department During the COVID-19 Pandemic: Pilot Feasibility Study
Notice bibliographique
Résumé
Background The COVID-19 pandemic has placed strains on communities. During this public health crisis, health systems have created remote methods of monitoring symptom progression and delivering care virtually. Objective Using an SMS text message-based system, we sought to build and test a remote model to explore community needs, connect individuals to curated resources, and facilitate community health worker intervention when needed during the pandemic. The primary aims of this pilot study were to establish the feasibility (ie, engagement with the text line) and acceptability (ie, participant ratings of resources and service) of delivering automated well-being resources via smartphone technology. Methods Eligible patients (aged 18 years or older, having a cell phone with SMS text messaging capability, and recently visited the emergency department) were identified using the electronic health record. The patients were consented to enroll and begin receiving COVID-19–related information and links to community resources. We collected open-ended and close-ended resource and mood ratings. We calculated the frequencies and conducted a thematic review of the open-ended responses. Results In 7 weeks, 356 participants were enrolled; 13,917 messages were exchanged including 333 resource ratings (mean 4) and 673 well-being scores (mean 6.8). We received and coded 386 open-ended responses, most of which elaborated upon their self-reported mood score (29%). Overall, 77% (n=274) of our participants rated the platform as a service they would highly recommend to a family member or friend. Conclusions This approach is designed to broaden the reach of health systems, tailor to community needs in real time, and connect at-risk individuals with robust community health support.
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 | 0,013 | 0,019 |
| 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 | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 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 ».