The Challenge of Multisite Epidemiologic Studies in Diverse Populations: Design and Implementation of a 22-Site Study of Tuberculosis in Foreign-Born People
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: We designed a population-based study of the epidemiology of tuberculosis among foreign-born people in the U.S. and Canada. Challenges included standardizing recruitment and data entry at 22 sites, enrolling individuals who did not speak English and may be undocumented, and obtaining clearance from 36 institutional review boards (IRBs). METHODS: We used stratified sampling to recruit patients through the Tuberculosis Epidemiologic Studies Consortium, a research consortium funded by the Centers for Disease Control and Prevention. Because recruitment sites were overseen by more than 30 local IRBs, we developed a simple process to designate a central IRB. We translated instruments into 10 main languages, arranged for fast translation of consent "short forms" into other languages, used one telephone interpretation service at all sites, and provided extensive interviewer training including mock interviews with simulated patients. RESULTS: We interviewed 1,696 participants in 19 states and provinces. Participants from 99 countries were interviewed in 40 languages. Twenty-three percent did not speak English at all; 64% needed an interpreter. More than 20% of participants reported they were undocumented. Participants' age, gender, and birthplaces were broadly similar to the target populations. One-third of local IRBs used the central IRB. CONCLUSIONS: Special confidentiality protections, substantial resources for translation and interpretation, and a centralized IRB made possible the recruitment of a representative sample of foreign-born people. The approaches may be applicable to studies of other diseases in multinational populations in the U.S. and Canada.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle