Application of digital engagement tools for exception from informed consent community consultation and public disclosure in the pediatric prehospital airway resuscitation trial
Notice bibliographique
Résumé
Background: Emergency care trials may require compliance with federal Exception from Informed Consent (EFIC) regulations, including community consultation (CC) and public disclosure (PD). The reach of traditional CC and PD modalities is limited. We describe the application of novel digital engagement tools to enrich CC and PD in a pediatric emergency care trial. Methods: In support of EFIC CC and PD efforts for the Pediatric Prehospital Airway Resuscitation Trial (Pedi-PART), a multicenter trial of paramedic airway management in critically ill children, we deployed two digital engagement tools: 1) social media advertisements, and 2) marketing research panels. We disseminated social media advertisements (Facebook and Instagram) describing the study to targeted users in 10 communities. We determined social media advertisement impressions and engagements (shares, reactions, saves, comments, likes and clicks). We also disseminated community surveys using a marketing research panel (Qualtrics Marketing Research Services), determining the number of completed surveys, time to achieve 200 surveys, demographics of survey respondents and percentage with supportive responses. Results: There were 23.3 million social media advertisement impressions (range 1.8-2.7 million per community) reaching 3.4 million unique users (range 239,494-439,360 per community) and resulting in 13,873 engagements (range 828-1,656 per community). Distribution of the community survey through the marketing research panel resulted in 6,771 completed surveys (range 531-914 per community). Across communities, time to 200 completed surveys ranged from 5-28 days. Survey respondents were 61.9% female, 27.0% minority race and 40.8% household income <$50,000. Most survey respondents (90.7%) supported the trial. Conclusions: Digital engagement tools efficiently reached a large and diverse population and yielded key community feedback to inform research trial deployment. Digital engagement tools offer valuable techniques to enrich EFIC CC and PD efforts.
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 | 0,138 | 0,285 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».