Conducting qualitative research on cervical cancer screening among diverse groups of immigrant women: research reflections: challenges and solutions.
Notice bibliographique
Résumé
OBJECTIVE: To explore the research lessons learned in the process of conducting qualitative research on cervical cancer screening perspectives among multiple ethnolinguistic groups of immigrant women and to provide guidance to family medicine researchers on methodologic and practical issues related to planning and conducting focus group research with multiple immigrant groups. DESIGN: Observations based on a qualitative study of 11 focus groups. SETTING: Hamilton, Ont. PARTICIPANTS: Women from 1 of 5 ethnolinguistic immigrant groups and Canadian-born women of low socioeconomic status. METHODS: We conducted 11 focus groups using interactive activities and tools to learn about women's views of cervical cancer screening, and we used our research team reflections, deliberate identification of preconceptions or potential biases, early and ongoing feedback from culturally representative field workers, postinterview debriefings, and research team debriefings as sources of information to inform the process of such qualitative research. MAIN FINDINGS: Our learnings pertain to 5 areas: forming effective research teams and community partnerships; culturally appropriate ways of accessing communities and recruiting participants; obtaining written informed consent; using sensitive or innovative data collection approaches; and managing budget and time requirements. Important elements included early involvement, recruitment, and training of ethnolinguistic field workers in focus group methodologies, and they were key to participant selection, participation, and effective groups. Research methods (eg, recruitment approaches, inclusion criteria) needed to be modified to accommodate cultural norms. Recruitment was slower than anticipated. Acquiring signed consent might also require extra time. Novel approaches within focus groups increased the likelihood of more rich discussion about sensitive topics. High costs of professional translation might challenge methodologic rigour (eg, back-translation). CONCLUSION: By employing flexible and innovative approaches and including members of the participating cultural groups in the research team, this project was successful in engaging multiple cultural groups in research. Our experiences can inform similar research by providing practical learning within the context of established qualitative methods.
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 | 0,162 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,016 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».