Comparison of sample characteristics in two pregnancy cohorts: community-based versus population-based recruitment methods
Notice bibliographique
Résumé
BACKGROUND: One of the biggest challenges for population health studies is the recruitment of participants. Questions that investigators have asked are "who volunteers for studies?" and "does recruitment method influence characteristics of the samples?" The purpose of this paper was to compare sample characteristics of two unrelated pregnancy cohort studies taking place in the same city, in the same time period, that employed different recruitment strategies, as well as to compare the characteristics of both cohorts to provincial and national statistics derived from the Maternity Experiences Survey (MES). METHODS: One pregnancy cohort used community-based recruitment (e.g. posters, pamphlets, interviews with community media and face-to-face recruitment in maternity clinics); the second pregnancy cohort used both community-based and population-based (a centralized system identifying pregnant women undergoing routine laboratory testing) strategies. RESULTS: The pregnancy cohorts differed in education, income, ethnicity, and foreign-born status (p < 0.01), but were similar for maternal age, BMI, and marital status. Compared to the MES, the lowest age, education, and income groups were under-represented, and the cohorts were more likely to be primiparous. CONCLUSIONS: The findings suggest that non-stratified strategies for recruitment of participants will not necessarily result in samples that reflect the general population, but can reflect the target population of interest. Attracting and retaining young, low resource women into urban studies about pregnancy may require alternate and innovative approaches.
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 | 0,051 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».