MétaCan
Menu
Retour à la cohorte
Enregistrement W4407420666 · doi:10.2196/66709

Using Text Messaging Ecological Momentary Assessment to Record Changes in e-Cigarette and Combustible Cigarette Use: Pilot Randomized Clinical Trial

2025· article· en· W4407420666 sur OpenAlexvenueno aff
Tucker Morgan, Michelle He, Andrew Nicholson, Omar El‐Shahawy, Scott E. Sherman, Elizabeth R. Stevens

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintRandomized controlled trialText messagingMedicineEcologyInternet privacyBiologyWorld Wide WebComputer scienceSurgery

Résumé

récupéré en direct d'OpenAlex

Background: Ecological momentary assessment (EMA) provides insight into the effectiveness and feasibility of smoking-related interventions. Objective: The objective of this paper was to assess adherence to an EMA protocol and compare EMA-derived responses with measures collected through multiple surveys. Methods: A subanalysis was conducted using data from a 12-week, open-label, and 2-arm pilot randomized clinical trial among adult smokers with chronic obstructive pulmonary disease, coronary artery disease, peripheral vascular disease, or asthma in the last 12 months (n=109). Participants were randomized to either electronic cigarette (EC) or nicotine replacement therapy (NRT) treatment arms. We compared EMA data collected through automated SMS text message prompts sent to participants 4 times daily for 12 weeks, including cigarettes smoked per day (CPD), craving, and satisfaction, to survey data collected at 12 weeks. Convergent validity between survey- and EMA-reported measures was evaluated using Pearson correlation and paired t tests. CPD was modeled using negative binomial regression. Relative rates (RRs) of reaching at least 50%, 75%, and 100% CPD reduction between two arms were calculated using both EMA and survey data. Results: The majority of participants were non-Hispanic White (63/109, 58%) and female (60/109, 55%), and had a median age of 60 (IQR 54-65) years. Among the 109 participants, 59.6% (n=65) were consistently adherent to the EMA protocol over the 12-week period. Median weekly EMA response rate remained high over the 12-week study period even though a modest decline was observed (week 1, 97.8% and week 12, 89.4%). The mean CPD declined significantly (week 1, mean 14.2, SD 9.9 and week 12, mean 4.6, SD 6.7; P<.001). EMA-derived and survey-based CPD measurements were positively correlated (r=0.73, 95% CI 0.6-0.82) as were measures of craving (r=0.38, 95% CI 0.17-0.56). No significant paired difference in CPD was observed between EMA measurements and surveys. A significant effect of time on CPD EMA data (incidence rate ratio [IRR] 1-week change 0.93; P<.01) and survey data was found (IRR 12-week change 0.36; P<.01). However, the treatment effect was not significant, which aligned with the RR results. An increase in the EC consumption was observed over time in the EC arm, with 12.1% (7/58) fully switched to EC (defined as CPD=0 and EC use>0) and 20.7% (12/58) mostly switched (defined as a reduction in CPD>75% and EC use>0) in week 12. Conclusions: EMA is a suitable method to collect recall-based smoking-related data. Though results from mixed effect modeling and RR comparisons were similar using EMA or survey data, EMA provides unique advantages, namely greater granularity in the time and the capability to detect switching patterns in near real time. These findings provide the feasibility of using EMA in developing smoking cessation interventions in future tobacco harm reduction research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,384
Tête enseignante GPT0,601
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetMental Health Research TopicsTravaux en français237 207