MétaCan
Menu
← Retour à la cohorte
Enregistrement W4320508471 · doi:10.2196/38667

COVID-19 Response Resource Engagement and User Characteristics of the Wichealth Web-Based Nutrition Education System: Comparative Cross-sectional Study

2023· article· en· W4320508471 sur OpenAlexvenueno aff
John J. Brusk, Robert J. Bensley

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésDashboardContext (archaeology)Usage dataCoronavirus disease 2019 (COVID-19)Resource (disambiguation)Logistic regressionPandemicWeb applicationInclusion (mineral)World Wide WebMedicineComputer scienceMedical educationPsychologyGeographyData science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In response to the COVID-19 pandemic, Wichealth launched 4 information resources on the site's user landing dashboard page. These resources were used consistently during the period in which they were available (April 1, 2020, through October 31, 2021); however, only 9% (n=50,888) of Wichealth users eligible for inclusion in the study accessed at least one resource. User engagement with emergency response resources within the context of a web-based health educational tool has not been well investigated due to a paucity of opportunities and a lack of the ability to evaluate relevant users at scale. OBJECTIVE: This investigation was carried out to understand if user characteristics and behaviors measured by the Wichealth web-based education system are associated with a participant's motivation, or lack thereof, to engage with the added COVID-19 resources. METHODS: Sociodemographic characteristics were gathered from Wichealth users with at least one lesson completed and a complete user profile to identify which factors increase the likelihood of user access of any of the Wichealth COVID-19 response resources during the 19-month period between April 1, 2020, and October 31, 2021. A logistic regression analysis was conducted to determine the relative importance of all factors on the likelihood of a user accessing the COVID-19 resources. RESULTS: A total of 50,888 unique Wichealth users included in the study accessed the COVID-19 response resources 66,849 times during the time period. During the same period, 510,939 unique Wichealth users completed at least one lesson about how to engage in healthy behaviors with respect to parent-child feeding but did not access any COVID-19 resources. Therefore, only 9% of Wichealth users who completed a lesson during the time when COVID-19 response resources were available accessed any of the information in those resources. Users of the Spanish language Wichealth version, older users, those less educated, and users with prior Wichealth lesson engagement demonstrated the greatest likelihood of COVID-19 resource use. CONCLUSIONS: This investigation presents findings that demonstrate significant differences between Wichealth users that opted to access COVID-19-specific resources and those who chose not to during their web-based educational session. Reaching users of a web-based educational system with supplemental information may require multiple strategies to increase coverage and ensure the widest possible distribution.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,252
Tête enseignante GPT0,592
Écart entre enseignants0,340 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetHealth Literacy and Information Accessibility→Travaux en français237 207→