Geolocation Patterns, Wi-Fi Connectivity Rates, and Psychiatric Symptoms Among Urban Homeless Youth: Mixed Methods Study Using Self-report and Smartphone Data
Notice bibliographique
Résumé
BACKGROUND: Despite significant research done on youth experiencing homelessness, few studies have examined movement patterns and digital habits in this population. Examining these digital behaviors may provide useful data to design new digital health intervention models for youth experiencing homelessness. Specifically, passive data collection (data collected without extra steps for a user) may provide insights into lived experience and user needs without putting an additional burden on youth experiencing homelessness to inform digital health intervention design. OBJECTIVE: The objective of this study was to explore patterns of mobile phone Wi-Fi usage and GPS location movement among youth experiencing homelessness. Additionally, we further examined the relationship between usage and location as correlated with depression and posttraumatic stress disorder (PTSD) symptoms. METHODS: A total of 35 adolescent and young adult participants were recruited from the general community of youth experiencing homelessness for a mobile intervention study that included installing a sensor data acquisition app (Purple Robot) for up to 6 months. Of these participants, 19 had sufficient passive data to conduct analyses. At baseline, participants completed self-reported measures for depression (Patient Health Questionnaire-9 [PHQ-9]) and PTSD (PTSD Checklist for DSM-5 [PCL-5]). Behavioral features were developed and extracted from phone location and usage data. RESULTS: Almost all participants (18/19, 95%) used private networks for most of their noncellular connectivity. Greater Wi-Fi usage was associated with a higher PCL-5 score (P=.006). Greater location entropy, representing the amount of variability in time spent across identified clusters, was also associated with higher severity in both PCL-5 (P=.007) and PHQ-9 (P=.045) scores. CONCLUSIONS: Location and Wi-Fi usage both demonstrated associations with PTSD symptoms, while only location was associated with depression symptom severity. While further research needs to be conducted to establish the consistency of these findings, they suggest that the digital patterns of youth experiencing homelessness offer insights that could be used to tailor digital interventions.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».