Data Collection and Management of mHealth, Wearables, and Internet of Things in Digital Behavioral Health Interventions With the Awesome Data Acquisition Method (ADAM): Development of a Novel Informatics Architecture
Notice bibliographique
Résumé
Unlabelled: The integration of health and activity data from various wearable devices into research studies presents technical and operational challenges. The Awesome Data Acquisition Method (ADAM) is a versatile, web-based system that was designed for integrating data from various sources and managing a large-scale multiphase research study. As a data collecting system, ADAM allows real-time data collection from wearable devices through the device's application programmable interface and the mobile app's adaptive real-time questionnaires. As a clinical trial management system, ADAM integrates clinical trial management processes and efficiently supports recruitment, screening, randomization, data tracking, data reporting, and data analysis during the entire research study process. We used a behavioral weight-loss intervention study (SMARTER trial) as a test case to evaluate the ADAM system. SMARTER was a randomized controlled trial that screened 1741 participants and enrolled 502 adults. As a result, the ADAM system was efficiently and successfully deployed to organize and manage the SMARTER trial. Moreover, with its versatile integration capability, the ADAM system made the necessary switch to fully remote assessments and tracking that are performed seamlessly and promptly when the COVID-19 pandemic ceased in-person contact. The remote-native features afforded by the ADAM system minimized the effects of the COVID-19 lockdown on the SMARTER trial. The success of SMARTER proved the comprehensiveness and efficiency of the ADAM system. Moreover, ADAM was designed to be generalizable and scalable to fit other studies with minimal editing, redevelopment, and customization. The ADAM system can benefit various behavioral interventions and different populations.
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 | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».