Internet-Based Recruitment and Retention of Young Adults With Type 1 Diabetes: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Multiple research strategies are required to recruit and engage a representative cohort of young adults in diabetes research. In this report, we describe an approach for internet-based recruitment for a repeated-measures descriptive study. OBJECTIVE: The objective of this cross-sectional study was to determine whether internet-based recruitment through multiple social media platforms, a clinical research platform, and cooperation with community partnerships-College Diabetes Network and Beyond Type 1-would serve as an effective way to recruit a representative sample of young adults aged 18-25 years with type 1 diabetes (T1D). METHODS: We conducted a repeated-measures descriptive study. We captured enrollment rates and participant characteristics acquired from each social media platform through survey data and Facebook analytics. This study was advertised via paid postings across a combination of different social media platforms (eg, Facebook, Instagram, Twitter, and Reddit). We used quarterly application postings, quarterly newsletters, and participation in the ResearchMatch registry to identify potentially eligible participants from February 3, 2021, to June 6, 2022. RESULTS: ResearchMatch proved to be the most cost-effective strategy overall, yielding the highest gender and racial diversity compared to other internet platforms (eg, Facebook, Instagram, Twitter, and Reddit), application postings (eg, Beyond Type 1), and newsletters (eg, College Diabetes Network and a local area college). However, we propose that the combination of these approaches yielded a larger, more diverse sample compared to any individual strategy. Our recruitment cost was US $16.69 per eligible participant, with a 1.27% conversion rate and a 30% eligibility rate. CONCLUSIONS: Recruiting young adults with T1D across multiple internet-based platforms was an effective strategy to yield a moderately diverse sample. Leveraging various recruitment strategies is necessary to produce a representative sample of young adults with T1D. As the internet becomes a larger forum for study recruitment, participants from underrepresented backgrounds may continue engaging in research through advertisements on the internet and other internet-based recruitment platforms.
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 | 0,015 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 | 0,001 |
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 ».