Identifying gaps in knowledge: A map of the qualitative literature concerning life with a neurological condition
Notice bibliographique
Résumé
OBJECTIVES: To describe patterns in the qualitative literature regarding the everyday experience of living with a neurological condition; to identify areas of depth as well as gaps in the existing knowledge base. METHODS: An extensive search of the literature yielded 474 articles meeting the inclusion criteria. Data extraction, based on scrutiny of both abstract and full text article included country of origin, diagnosis, stated aim, methodological framework/design, participants, and data collection method(s). Studies were categorized into 27 topics within four broad foci. RESULTS: Four broad foci describe the field: impact and management, daily activities and occupations, impact on family, and the healthcare experience. Overall the research is unevenly distributed by diagnosis; some are well represented while others are the subject of little research. Even diagnoses well represented in quantity can be limited in breadth. DISCUSSION: Possible explanations for the patterns of emphasis include: a focus on issues and problems, highlighted points of contact between patients and healthcare providers, and ability of participants to voice their views. The literature is also characterized by limited across diagnoses research or that comparing the experience of people with different diagnoses. There is a need for more research in particular diagnoses; more varied data collection methods and acknowledgement of ethnicity, gender, discrimination, and social inequalities.
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 | 0,037 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,034 | 0,034 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».