MétaCan
Menu
Retour à la cohorte
Enregistrement W2121877742 · doi:10.1177/160940691501400206

Combining Qualitative and Quantitative Data Collection and Analysis Methods in Understanding Multiple Sclerosis Fatigue Management

2015· article· en· W2121877742 sur OpenAlexaff
Merrill Turpin, Miho Asano, Marcia Finlayson

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueFibromyalgia and Chronic Fatigue Syndrome Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésTypologyQualitative researchQualitative propertyPsychologyContext (archaeology)Applied psychologyData collectionCategorizationInterpretative phenomenological analysisData scienceComputer scienceSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Combining qualitative inquiry with quantitative frequency data in a mixed methods research approach was valuable in understanding the strategies that people with Multiple Sclerosis (MS) used to manage their fatigue. Understanding its management is important because fatigue is often described by people with MS as their most disabling symptom and can pervade all aspects of a person's life. This research aimed to identify how often people used particular fatigue management strategies and the factors that influenced their use in the context of daily life. The methodology was Qualitative Description with phenomenological overtones using convenience sampling, interviews with semi-structured and structured components, and frequencies combined with typology development. Thirty-one people with MS from Chicago, Ill and Brisbane, Queensland in Australia who experienced fatigue were interviewed and asked to sort 15 cards with common fatigue management strategies into 3 categories, indicating whether they used them regularly, sometimes or never. Frequency counts were used to identify the number of participants who placed a specific strategy in a particular category. Frequencies were used to develop a typology with which to code the qualitative data. The strategies placed most frequently in each category were: Plan / organize the day used regularly, Ask someone for help used sometimes, and Use mobility devices never used. Mixed methods research techniques enabled us to explore the participants' fatigue management in greater depth. Each data type (i.e., qualitative and quantitative data) complemented the other and led to a richer understanding than either could provide in isolation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,304
score de la tête « metaresearch » (Gemma)0,247
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,858

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3040,247
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0150,018
Études des sciences et des technologies0,0070,014
Communication savante0,0140,014
Science ouverte0,0040,010
Intégrité de la recherche0,0030,004
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 Opus0,856
Tête enseignante GPT0,655
Écart entre enseignants0,201 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetFibromyalgia and Chronic Fatigue Syndrome ResearchTravaux en français237 207