Social Media Recruitment Strategies to Recruit Pregnant Women into a Longitudinal Observational Cohort Study: An Evaluation (Preprint)
Notice bibliographique
Résumé
BACKGROUND The use of social media for study recruitment is increasingly common. Previous studies have typically focused on using Facebook; however, there is limited data to support the use of other social media platforms for participant recruitment, notably in the context of a pregnancy study. OBJECTIVE This study aimed to evaluate the effectiveness of Facebook, Twitter, and Instagram for recruiting a representative sample of pregnant women into a longitudinal pregnancy cohort study in Calgary, Alberta between September 27, 2021 and April 24, 2022. METHODS Paid advertisements were targeted to 18 to 50 year-old women in Calgary with interests in pregnancy. Data regarding reach, link clicks and cost were collected through Facebook Ads Manager and Twitter Analytics. The feasibility of each platform for recruitment was assessed based on recruitment rate and cost-effectiveness. Demographic characteristics of the participants recruited through each source were compared using chi-square tests. RESULTS Paid advertisements reached 159,778 social media users, resulting in 2390 link clicks and 324 recruited participants. Facebook reached and recruited the most participants, while Instagram saw the highest number of link clicks relative to the number of users who saw the advertisement (2.11%). Facebook and Instagram advertisements were cost-effective with an average cost-per-click of $0.61 and cost-per-completer of $7.89. Twitter advertisements were less successful in terms of recruitment and cost. Demographic characteristics of participants did not differ based on recruitment source except for educational attainment and income, where more highly educated and higher income participants were recruited through Instagram or Twitter. CONCLUSIONS Paid social media advertisements (especially Facebook and Instagram) were feasible and cost-effective methods for recruiting a large sample of pregnant women for survey research. However, future researchers should be aware of the potential for fraudulent responses when using social media for recruitment.
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 | 0,123 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 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 ».