Using Mixed Methods to Facilitate Complex, Multiphased Health Research
Notice bibliographique
Résumé
From conceptualization to application and evaluation, research is conducted in a context of increasing complexity of disciplines, goals, communities, and partnerships. Researchers often are challenged to demonstrate the rigor of their methods and results to audiences with diverse backgrounds and disciplinary expertise. This article illustrates the benefits of using mixed methods approaches in research designed to address issues in complex research projects. It outlines the implementation of a private, public, and academic partnership, where scientific merit of methods and results was a critical foundation to the development of public policy. The overall goal of the Public Health Leadership Competencies Project (the Project) was to identify public health leadership competencies that could apply to public health practice across the country. This research demonstrates how mixed methods research in public health might be of perceived benefit to complex projects. The Project included challenges and opportunities through multiple phases of data collection and participation of members from each of the seven disciplines in public health (i.e., public health dentists, physicians, dietitians, and nurses, as well as epidemiologists, health promoters, and environmental health inspectors). The discussion addresses challenges of a national project, the complex organizational framework within which we were directed to work, and the lessons associated with using multiple sources of data.
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 | 0,369 | 0,311 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,006 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».