MétaCan
Menu
← Retour à la cohorte
Enregistrement W4235234661 · doi:10.2196/preprints.24567

Using Digital Tools to Engage Patients With Psychosis and Their Families in Research: Survey Recruitment and Completion in an Early Psychosis Intervention Program (Preprint)

2020· preprint· en· W4235234661 sur OpenAlexaff
Alexia Polillo, Aristotle N. Voineskos, George Foussias, Sean A. Kidd, Andreea Sav, Steve Hawley, Sophie Soklaridis, Vicky Stergiopoulos, Nicole Kozloff

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)PsychologyEarly psychosisInformed consentMedicineInternet privacyMedical educationFamily medicinePsychiatryAlternative medicineComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Barriers to recruiting and retaining people with psychosis and their families in research are well-established, potentially biasing clinical research samples. Digital research tools, such as online platforms, mobile apps, and text messaging, have the potential to address barriers to research by facilitating remote participation. However, there has been limited research on leveraging these technologies to engage people with psychosis and their families in research. OBJECTIVE The objective of this study was to assess the uptake of digital tools to engage patients with provisional psychosis and their families in research and their preferences for different research administration methods. METHODS This study used Research Electronic Data Capture (REDCap)—a secure web-based platform with built-in tools for data collection and storage—to send web-based consent forms and surveys on service engagement via text message or email to patients and families referred to early psychosis intervention services; potential participants were also approached or reminded about the study in person. We calculated completion rates and timing using remote and in-person methods and compensation preferences. RESULTS A total of 447 patients with provisional psychosis and 187 of their family members agreed to receive the web-based consent form, and approximately half of the patients (216/447, 48.3%) and family members (109/187, 58.3%) consented to participate in the survey. Most patients (182/229, 79.5%) and family members (75/116, 64.7%) who completed the consent form did so remotely, with more family members (41/116, 35.3%) than patients (47/229, 20.5%) completing it in person. Of those who consented, 77.3% (167/216) of patients and 72.5% (79/109) of family members completed the survey, and most did the survey remotely. Almost all patients (418/462, 90.5%) and family members (174/190, 91.6%) requested to receive the consent form and survey by email, and only 4.1% (19/462) and 3.2% (6/190), respectively, preferred text message. Just over half of the patients (91/167, 54.5%) and family members (42/79, 53.2%) preferred to receive electronic gift cards from a coffee shop as study compensation. Most surveys were completed on weekdays between 12 PM and 6 PM. CONCLUSIONS When offered the choice, most participants with psychosis and their families chose remote administration methods, suggesting that digital tools may enhance research recruitment and participation in this population, particularly in the context of the COVID-19 global pandemic.

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)0,030
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,160

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,064
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,604
Tête enseignante GPT0,531
Écart entre enseignants0,073 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Mental Health Interventions→Travaux en français237 207→