MétaCan
Menu
Retour à la cohorte
Enregistrement W4293247753 · doi:10.2196/preprints.39700

Comparing the Use of a Mobile App and a Web-Based Notification Platform for Surveillance of Adverse Events Following Influenza Immunization: Randomized Controlled Trial (Preprint)

2022· preprint· en· W4293247753 sur OpenAlexaffabout
A. Brianne Bota, Julie A. Bettinger, Shirley Sarfo-Mensah, Jimmy Lopez, David Smith, Katherine Atkinson, Cameron Bell, Kim Marty, Mohamed Serhan, David T. Zhu, Anne McCarthy, Kumanan Wilson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacovigilance and Adverse Drug Reactions
Établissements canadiensOttawa HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineMobile appsNotification systemVaccinationAdverse effectInfluenza vaccineWeb applicationSmartphone appRandomized controlled trialInternet privacyWorld Wide WebFamily medicineMedical emergencyComputer scienceInternal medicineImmunology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Vaccine safety surveillance is a core component of vaccine pharmacovigilance. In Canada, active, participant-centered vaccine surveillance is available for influenza vaccines and has been used for COVID-19 vaccines. OBJECTIVE The objective of this study is to evaluate the effectiveness and feasibility of using a mobile app for reporting participant-centered seasonal influenza adverse events following immunization (AEFIs) compared to a web-based notification system. METHODS Participants were randomized to influenza vaccine safety reporting via a mobile app or a web-based notification platform. All participants were invited to complete a user experience survey. RESULTS Among the 2408 randomized participants, 1319 (54%) completed their safety survey 1 week after vaccination, with a higher completion rate among the web-based notification platform users (767/1196, 64%) than among mobile app users (552/1212, 45%; P<.001). Ease-of-use ratings were high for the web-based notification platform users (99% strongly agree or agree) and 88.8% of them strongly agreed or agreed that the system made reporting AEFIs easier. Web-based notification platform users supported the statement that a web-based notification-only approach would make it easier for public health professionals to detect vaccine safety signals (91.4%, agreed or strongly agreed). CONCLUSIONS Participants in this study were significantly more likely to respond to a web-based safety survey rather than within a mobile app. These results suggest that mobile apps present an additional barrier for use compared to the web-based notification–only approach. CLINICALTRIAL ClinicalTrials.gov NCT05794113; https://clinicaltrials.gov/show/NCT05794113

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,172
Tête enseignante GPT0,431
Écart entre enseignants0,259 · 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'étudeEssai randomisé
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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPharmacovigilance and Adverse Drug ReactionsTravaux en français237 207