Recruitment of HIV-Positive Women in Research: Discussing Barriers, Facilitators, and Research Personnel’s Knowledge
Notice bibliographique
Résumé
BACKGROUND: Women have historically been under-represented in HIV research, partly due to ineffective recruitment strategies. OBJECTIVE: To improve the existing understanding of recruitment for HIV-positive women based on a province-wide cross-sectional study. METHODS: A survey was emailed to all site coordinators who recruited participants in a study involving 490 HIV-positive women living in Ontario, Canada. The survey consisted of questions regarding the important recruitment barriers and successes. Quantitative data were then contextualized within extensive knowledge from research personnel and team members. RESULTS: Completed surveys were received from (89%) site coordinators (34/38) and 98% (31/34) were women. The highest ranked recruitment barriers identified were: sensitivity of the research topic (59%), time/availability constraints (59%), language barriers (53%), HIV disclosure/stigma issues (47%), lack of trust of research personnel (41%), fear of research (41%) and inaccessibility to child care and transportation (41%). The respondents felt that the most important personal attributes for recruitment were research personnel who were respectful (97%), skilled (91%), flexible (88%) and empathetic (88%) and had good communication skills (88%). The most successful recruitment strategies identified were: developing a strong rapport (88%) that was facilitated by an empathetic relationship (100%), acknowledging the sensitive nature of the research topic (94%), providing cash financial compensation (88%), and developing recruitment strategies unique to women (88%). CONCLUSION: There are differences in the approaches needed for the recruitment of HIV-positive women in research. For successful recruitment of HIV-positive women, a strong rapport between the research personnel and study participants is important. This rapport is facilitated by having study personnel who are respectful, trustworthy, empathetic, and flexible. Population-specific recruitment strategies are important to ensure adequate recruitment of minority groups in research with greater gender consideration for women requiring specific attention.
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 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 | 0,162 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,008 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».