The Living Lab at Home: Feasibility and Acceptability of Multimodal In-Home Data Collection Among Youth Across the Developmental Spectrum
Notice bibliographique
Résumé
OBJECTIVE: Dynamic, real-time, in-home methods of data collection are increasingly common in child health research. However, these methods are rarely cocreated or used with families of youth with developmental disabilities. We aimed to determine the feasibility of codesigned methods for in-home data collection for youth across the developmental spectrum. METHODS: Sixteen youth (14-18 years) with autism spectrum disorder, cerebral palsy, and/or chronic pain completed 14 days of data collection, wearing an accelerometer, answering Ecological Momentary Assessment (EMA) questionnaires, and collecting salivary cortisol samples. Participants completed a poststudy interview regarding their experiences. Data were analyzed for feasibility, quantity, and quality. RESULTS: At least 1 EMA response was provided on 73% of days, with 54% of the total number of administered prompts answered before the next prompt arrived. In total, 77% of participants wore the accelerometer ≥10 hours for at least 7 days. Adherence to 8-day saliva sampling after accounting for protocol violations and dry samples was 28%. No significant adverse events were reported aside from mild emotional distress (25%). Families reported generally high satisfaction, willingness to participate again, and acceptability, with moderate burden and interference. Qualitative interviews described: (1) the research question's value to the family as a motivator of engagement; (2) in-home data collection is not a passive or neutral experience; (3) personalized approaches and context are important to families; and (4) a clear need for continued iteration and engagement. CONCLUSION: In-home multimodal data collection is potentially feasible for families across the developmental spectrum but requires iteration based on family feedback to increase adherence.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».