Evaluating the Effectiveness of Rural Digital Social Prescribing in Korea: Protocol for a Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The UK National Health Service (NHS) has introduced a digital social prescribing (DSP) system to improve the mental health of the aging population. In Korea, an ongoing pilot social prescribing project has been implemented for older individuals in rural areas since 2019. OBJECTIVE: This research aims to develop a DSP program and to evaluate the effectiveness of the digital platform in rural areas of Korea. METHODS: This study was designed as a prospective cohort method for the development and effectiveness evaluation of rural DSP in Korea. The study divided participants into four groups. Group 1 will continuously implement the existing social prescribing program, group 2 implemented the existing social prescribing program but was switched to DSP in 2023, group 3 newly started the DSP, and the remaining group is the control. The research area of this study is Gangwon Province in Korea. The study is being conducted in Wonju, Chuncheon, and Gangneung. This study will use indicators to measure depression, anxiety, loneliness, cognitive function, and digital literacy. In the future, the interventions will implement the digital platform and the Music Story Telling program. This study will evaluate the effectiveness of DSP using difference-in-differences regression and cost-benefit analysis. RESULTS: This study was approved for funding from the National Research Foundation of Korea funded by the Ministry of Education in October 2022. The results of the data analysis are expected to be available in September 2023. CONCLUSIONS: The platform will be spread to rural areas in Korea and will serve as the foundation for effectively managing the feelings of solitude and depression among older individuals. This study will provide vital evidence for disseminating DSP in Asian countries such as Japan, China, Singapore, and Taiwan as well as for studying DSP in Korea. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/46371.
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 | 0,043 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,007 |
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 ».