Real-Time Data Collection Utilizing Mobile Technology in Clinical Research: A Secondary Analysis of a Prospective Cohort
Notice bibliographique
Résumé
INTRODUCTION: Clinical research faces the challenge of declining physician participation in the pursuit of advancing evidence-based medicine. This secondary analysis focuses on the interactive mobile health (mHealth) application's utility as a real-time data collection tool in clinical settings, specifically targeting cow's milk protein allergy (CMPA) management. The study assesses the mHealth application's potential to alleviate data collection inefficiencies and improve physician engagement in clinical research. METHODS: The analysis utilized de-identified survey data from a prospective cohort of 61 physicians who employedan interactive mobile survey application over 12 weeks, documenting 808 patient visits. RESULTS: Of these physicians, 52 (85%) completed initial and follow-up surveys, with the predominant reason for exclusion being incomplete or non-submission of data. Of the 404 patient surveys collected, 75 (19%) were excluded primarily due to the absence of follow-up information. CONCLUSION: These results underscore the application's practicality in streamlining clinical data collection, evidenced by the high rate of survey completion and the efficiency of data management among participating physicians. The findings indicate that interactive mobile health applications aided in collecting and managing clinical data, with 85% of physicians completing surveys for initial and follow-up visits. This high completion rate suggests the potential for mobile applications to mitigate traditional barriers to physician participation, such as time constraints and complex data management. The study contributes empirical evidence to the potential of mobile technology in enhancing research efficiency and engagement among physicians in the context of CMPA management. While the results are insightful, further studies are encouraged to extend the utility of the interactive mobile survey application and similar technologies across diverse clinical research areas, reinforcing mobile technology's role in transforming clinical research practices.
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 | 0,027 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,001 |
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 ».