MétaCan
Menu
Retour à la cohorte
Enregistrement W4404100125 · doi:10.2196/64636

Baseline Smartphone App Survey Return in the Electronic Framingham Heart Study Offspring and Omni 1 Study: eCohort Study

2024· article· en· W4404100125 sur OpenAlexvenueno aff
Jian Rong, Chathurangi H Pathiravasan, Yuankai Zhang, Jamie M Faro, Xuzhi Wang, Eric Schramm, Belinda Borrelli, Emelia J. Benjamin, Chunyu Liu, Joanne M. Murabito

Notice bibliographique

RevueJMIR Aging · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institute on AgingNational Institutes of Health
Mots-clésPreprintSmartphone appBaseline (sea)OffspringMobile appsSmartphone applicationComputer scienceInternet privacyWorld Wide WebMultimediaPolitical scienceBiology

Résumé

récupéré en direct d'OpenAlex

Background: Smartphone apps can be used to monitor chronic conditions and offer opportunities for self-assessment conveniently at home. However, few digital studies include older adults. Objective: We aim to describe a new electronic cohort of older adults embedded in the Framingham Heart Study including baseline smartphone survey return rates and survey completion rates by smartphone type (iPhone [Apple Inc] and Android [Google LLC] users). We also aim to report survey results for selected baseline surveys and participant experience with this study's app. Methods: Framingham Heart Study Offspring and Omni (multiethnic cohort) participants who owned a smartphone were invited to download this study's app that contained a range of survey types to report on different aspects of health including self-reported measures from the Patient-Reported Outcomes Measurement Information System (PROMIS). iPhone users also completed 4 tasks including 2 cognitive and 2 physical function testing tasks. Baseline survey return and completion rates were calculated for 12 surveys and compared between iPhone and Android users. We calculated standardized scores for the PROMIS surveys. The Mobile App Rating Scale (MARS) was deployed 30 days after enrollment to obtain participant feedback on app functionality and aesthetics. Results: We enrolled 611 smartphone users (average age 73.6, SD 6.3 y; n=346, 56.6% women; n=88, 14.4% Omni participants; 478, 78.2% iPhone users) and 596 (97.5%) returned at least 1 baseline survey. iPhone users had higher app survey return rates than Android users for each survey (range 85.5% to 98.3% vs 73.8% to 95.2%, respectively), but survey completion rates did not differ in the 2 smartphone groups. The return rate for the 4 iPhone tasks ranged from 80.9% (380/470) for the gait task to 88.9% (418/470) for the Trail Making Test task. The Electronic Framingham Heart Study participants had better standardized t scores in 6 of 7 PROMIS surveys compared to the general population mean (t score=50) including higher cognitive function (n=55.6) and lower fatigue (n=45.5). Among 469 participants who returned the MARS survey, app functionality and aesthetics was rated high (total MARS score=8.6 on a 1-10 scale). Conclusions: We effectively engaged community-dwelling older adults to use a smartphone app designed to collect health information relevant to older adults. High app survey return rates and very high app survey completion rates were observed along with high participant rating of this study's app.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,440
Écart entre enseignants0,395 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207