You are how you recruit: a cohort and randomized controlled trial of recruitment strategies
Notice bibliographique
Résumé
BACKGROUND: Recruitment is a challenge in developing population-representative pregnancy and birth cohorts. METHODS: We developed a collaborative recruitment infrastructure (CRI) to recruit pregnant women for 4 pregnancy cohorts using: faxes from obstetrical offices, in-clinic recruiters, university and funder-driven free-media events, paid-media, and attendance at relevant tradeshows. Recruitment rates and demographic differences were compared between recruitment methods. RESULTS: We received 5008 referrals over 40 months. Compared to fax, free-media referrals were 13 times more likely to be recruited (OR 13.0, 95% CI 4.2, 40.4: p < 0.001) and paid-media referrals were 4 times more likely to be recruited (OR 4.6, 95% CI 2.1, 10.3: p < 0.001). Among paid-media advertisements, free-to-read print (e.g. Metro) was the most effective (OR 3.3, 95% CI 2.3, 4.5: p < 0.05). Several demographic differences were identified between recruitment methods and against a reference population. Between recruitment methods, media recruits had a similar proportion families with incomes ≥ $40,000 (paid-media: 94.4%; free-media: 93.3%) compared to fax recruits (95.7%), while in-clinic recruits were less likely to have family incomes ≥ $40,000 (88.8%, p < 0.05). Maternal recruits from fax and in-clinic were more likely to attend university (Fax: 92.6%, in-clinic 89.8%) versus the reference population (52.0%; p < 0.05 for both) and both were less likely to smoke (Fax: 6.8%, in-clinic 4.2%) versus reference (18.6%; p < 0.05 for both). However, while fax referrals were more likely to be Caucasian (85.9% versus reference 77.5%; p < 0.05), in-clinic referrals were not significantly different (78.2%; P > 0.05). CONCLUSION: Recruitment methods result in different recruitment rates and participant demographics. A variety of methods are required to recruit a generalizable sample.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai randomisé | low |
| gpt | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai randomisé | high |
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 | 0,457 | 0,913 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».