MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210648272 · doi:10.2196/preprints.11309

Implementing automated subject selection methodology in an epidemiological survey using open source application, Open Data Kit (ODK) (Preprint)

2018· preprint· en· W4210648272 sur OpenAlexaff
Parasuraman Ganeshkumar, R. Sabarinathan, D Chokkalingam, Vinay Urs, Ritvik Amarchand, N. Sureshkumar, Hemadharshini Dineshkumar, Raman Chandrasekar, Naveen Agarwal

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensConcordia UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData scienceData collectionGeographyWorld Wide WebSocial scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Data collection in field-based public health research influences the quality and outcome of the research which in turn aids in developing evidence-based policymaking. As conventional data collection methods are either consume more time or more resources, usage of the cost-effective technology solution is required. Open Data Kit (ODK), the open-source application being designed for an Android-based platform is one such solution to electronic data collection. OBJECTIVE To demonstrate the functionality of ODK in implementing subject selection algorithm Kish methodology in epidemiological research studies METHODS Subject selection algorithms in field-based surveys are done manually and one such algorithm is Kish algorithm. Incorporating subject selection algorithm electronically in ODK application was not either tested or reported in the literature. We developed an application framework to build-in Kish grid algorithm in ODK application RESULTS The process and steps for setting up subject selection Kish algorithm to embed in ODK application are explained with syntax function. The application displayed the selected eligible adult on the screen after it runs the syntax function based on the Kish algorithm in the backend CONCLUSIONS ODK is an enterprise architecture, which is identified to develop a mobile application for a community based public health survey. The application would reduce the time taken for selecting and completing the interview of study participants. Ever a minor change like spell check on form mandates complete XML generation in ODK application and requires to update the existing entire application

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0430,026

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.

Tête enseignante Opus0,689
Tête enseignante GPT0,646
Écart entre enseignants0,043 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Health and mHealth Applications→Travaux en français237 207→