MétaCan
Menu
← Retour à la cohorte
Enregistrement W4245350554 · doi:10.2196/preprints.26447

A longitudinal evaluation of web analytics for HeadsUpGuys: A men’s depression e-mental health resource (Preprint)

2020· preprint· en· W4245350554 sur OpenAlexaboutno aff
John Ogrodniczuck, Joshua Beharry, John L. Oliffe

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-cléseHealthAnalyticsSession (web analytics)Psychological interventionChecklistInteractivityDepression (economics)Mental healthWorld Wide WebPsychologyMedicineComputer scienceHealth careNursingPsychiatryData sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND There has been rapid growth in the area of eHealth as a means to delivering tailored health interventions for men. Yet, there have been few attempts at developing eHealth programs specifically oriented to men with depression, and by extension little is known about the uptake and usage patterns of potential end-users. OBJECTIVE The objective of the present study was to conduct a longitudinal evaluation of web analytics for HeadsUpGuys.org, an eHealth resource for men with depression. The study focused on user engagement, traffic sources, and goal conversion (i.e., specific interactivity targets). METHODS Google Analytics, Search Console, and Tag Manager were used to monitor user activity over the course of the website’s first five years (June 15, 2015 – June 15, 2020). These tools were used to harvest data regarding the number of visits, visit duration, bounce rates, most visited pages; traffic filters, country sources, city sources; and goal conversion relating to three specific outcomes [Self Check (depression screen) completion, Stress Test (stress checklist and rating) completion, session of at least 3 minutes]. RESULTS Through its first five years of operation, HeadsUpGuys had a total of 1,665,356 unique users, amounting to 1,948,481 sessions and 3,328,258 pageviews. One in seven visits (14.53%) was from a returning user. Organic traffic accounted for the highest proportion (53.44%) of all the website sessions. Four of the top 10 Google search queries that brought users to the website related to suicidality. Three countries (United States, United Kingdom, Canada) accounted for almost three-quarters (71.10%) of the site’s traffic. Nearly three-quarters (73.35%) of sessions occurred on a mobile device. The goal conversion rate for the Self Check was 60.27%. The average time on page was 2 minutes 53 seconds, with a bounce rate of 65.92%, and an exit rate of 57.20%. The goal conversion rate for the Stress Test was 52.89%. The average time on page was 4 minutes 8 seconds, with a bounce rate of 72.40% and an exit rate of 48.88%. The conversion rate for the final goal was 11.53%, indicating that approximately one in ten visitors to the site had a session of at least 3 minutes. CONCLUSIONS The volume of traffic and the conversion rates affirm the acceptability and usability of HeadsUpGuys. The study illustrates the potential of eHealth resources to support men’s mental health and provides some guidance to advancing the men’s eHealth field.

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)0,014
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,014
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,192
Tête enseignante GPT0,502
Écart entre enseignants0,310 · 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 sujetMobile Health and mHealth Applications→Travaux en français237 207→