MétaCan
Menu
Retour à la cohorte
Enregistrement W2097187858 · doi:10.1177/1049732311403497

Improving Qualitative Interviews With Newly Arrived Migrant Women

2011· article· en· W2097187858 sur OpenAlexafffund
Lisa Merry, Christina Clausen, Anita J. Gagnon, Franco A. Carnevale, Julie Jeannotte, Jean‐François Saucier, Jacqueline Oxman‐Martinez

Notice bibliographique

RevueQualitative Health Research · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-JustineMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésInterviewQualitative researchImmigrationData collectionHealth careNursingPsychologyTrustworthinessMedical educationMedicineSociologySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

There is a paucity of literature on how to conduct research with migrants, particularly those who do not speak the host country language, those who are newly arrived, and those who have a precarious immigration status. In qualitative research, interviewing is a common method for obtaining rich data and participants' points of view. Gathering and presenting all perspectives when interviewing vulnerable migrant women on health-seeking behaviors is challenging. In this article, we explore the process of developing and implementing a data collection plan and an interview guide for a study carried out with migrant women to explore the inhibitors/facilitators for following through on professional referrals for postbirth care. Adaptability and careful attention to multiple factors throughout the process are essential to maximizing participation and enhancing the trustworthiness of the data. Appropriate health policy and care delivery can only originate from health research with diverse migrant populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0280,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,522
Tête enseignante GPT0,588
Écart entre enseignants0,066 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetMigration, Health and TraumaTravaux en français237 207