招募年轻人参与数字心理健康研究:来自人工智能驱动的自适应试验的教训

科学领域:

• 数字心理健康数字心理健康
• 临床试验招聘工作人员
• 医疗保健中的人工智能

背景情况:

• 数字心理健康领域的远程临床试验需要有效的招聘策略.
• 与传统方法相比,基于网络的招聘效率仍然不一致.
• 这项研究评估了人工智能驱动的自适应数字心理健康试验的招聘情况.

研究的目的:

• 将Facebook和Instagram的招聘与数字心理健康试验的传统方法进行比较.
• 评估不同招聘策略的保留率.
• 在COVID-19封锁期间和之后评估社交媒体招聘的成本效益.

主要方法:

• 利用付费的社交媒体广告 (Facebook,Instagram),大学邮件列表,媒体公告和校园海报进行招聘.
• 收集的招聘数据包括Meta参与度指标,广告成本和Qualtrics调查数据.
• 使用RStudio与R (版本3.6.3) 分析的数据.

主要成果:

• 招募了1314名符合条件的高等学生 (92%通过社交媒体).
• 该机构的网站在招聘方面比Facebook或Instagram更有效.
• 通过各种方法观察到的参与者保留率没有显著差异.
• 在COVID-19封锁期间,社交媒体的招聘更具成本效益.

结论:

• 在招募学生参加人工智能驱动的数字心理健康试验方面,Facebook和Instagram广告非常成功.
• 没有一种单一的招聘方法显示出优越的参与者保留率.
• 在COVID-19封锁期间,社交媒体的招聘提供了更大的成本效益.