Evaluation of Methods and Costs Associated with Recruiting Healthy Women Volunteers to a Study of Ovulation
Notice bibliographique
Résumé
OBJECTIVE: We address the crucial and challenging task of anticipating the resources needed to recruit eligible participants for research. We provide our analysis of various recruitment strategies and their cost-effectiveness in our experience in enrolling 610 women for an observational study on ovulation. METHODS: We assess the cost-effectiveness and success of multiple recruitment strategies we employed and provide the estimated cost of labor and materials for each. At enrollment, all participants were asked an open-ended question about how they learned about the study. No financial compensation was provided, but participants received personal hormonal analysis results on completion. RESULTS: Of the 610 enrolled women, 552 provided information on how they learned about the study. The total cost of recruitment was $7645.11, which includes 183 staff hours. The average recruitment cost per participant was $12.53 (ranging from $0 to $118.63). The two methods with the lowest total costs resulted in enrollment of 48% of the recruitment goal using only 0.3% of the budget. In contrast, the two methods with the highest total costs produced 13% of the participants needed but consumed over 72% of the budget. CONCLUSIONS: Low-cost methods are a viable, practical source for attracting healthy women for observational research. Investigators are encouraged to track sources of recruitment and analyze their data at regular intervals during the recruitment phase. Sharing comprehensive recruitment data will assist other researchers to better estimate the resources needed to meet their enrollment goal, leading to more efficient use of time and funding.
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 | 0,132 | 0,050 |
| 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 | 0,002 |
| 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 ».