Developing a Participant-Focused Educational Podcast to Enhance Engagement in the Cure Glomerulopathy (CureGN) Study Cohort
Notice bibliographique
Résumé
Background: CureGN is an NIH-funded longitudinal cohort study that has enrolled over 2,000 research participants. Engagement is fundamental to encourage retention and to provide value and education to participants. Previous initiatives including newsletters and online “fireside chats” had low participation rates. Methods: An audio podcast was trialed and evaluated to enhance participant education and engagement. Kidney Chats by CureGN, developed by CureGN’s Recruitment and Retention workgroup, launched October 2023. The educational series on glomerular disease topics is accessed on multiple platforms (Spotify, Apple, Amazon, web search); themed episodes are clearly titled by topic. A study participant interviews an expert on a topic suggested by participants. Initial topics included nutrition and prednisone. Newsletters introduce a topic and point readers to the podcast for more in-depth information via a QR code. Social media promotes the podcast. Results: Three episodes have launched ranging from 16 to 31 minutes long, with new episodes planned at a two-to-three-month cadence. 86 downloads/listens have been logged, surpassing performance of fireside chats in a much shorter amount of time. The podcast reaches participants across all age ranges, with particular strength in ages 28 to 34 and over 60. Listenership by gender is 52% female, 41% male, and the remaining non-binary or not specified. Listeners hail largely from the US, with 77% located in the US. Another 12% tuned in from Germany, 7% from Canada, and 4% from other locations. Conclusion: For CureGN, an integrated communications strategy that incorporates a highly accessible medium as its centerpiece effectively disseminates relevant research to participants, as well as topics addressing lifestyle topics and helping participants find community by hearing others’ lived experiences with kidney disease. Funding: NIDDK SupportFireside chat attendance vs podcast listenership - #1 #2 #3 #4 Total to date Fireside chat attendance* 8 9 9 10 36 Podcast downloads/listens** 47 28 11 (to come) 86 *estimated **continues to grow weekly
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 | 0,034 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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 ».