MétaCan
Menu
Retour à la cohorte
Enregistrement W2337575139 · doi:10.1186/1745-6215-16-s2-p75

Qualitative methods and patient and public involvement in trials: opportunities and pitfalls

2015· article· en· W2337575139 sur OpenAlexaboutno aff
Pat Hoddinott, Alicia O’Cathain, Isabel Boyer, Sandy Oliver

Notice bibliographique

RevueTrials · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research Council
Mots-clésMedicineQualitative researchAlternative medicineClinical trialPublic involvementFamily medicineMedical educationPathologyPublic relationsSocial science

Résumé

récupéré en direct d'OpenAlex

Qualitative research and public patient involvement (PPI) in trials have increased over recent years, and can occur at many stages from inception to implementation. They offer different strengths and limitations, with both often needed to gain a real world perspective. Yet increasingly they are portrayed as a dichotomy in the way they are written about in grant applications, protocols and reports. How helpful is this? Qualitative research methods seek a deeper understanding of patient, health professional or other relevant perspectives on health-related conditions, or services within a wider social and cultural context. A trial is conceptualised as a unique social and cultural situation, where the intervention is just one event amongst many, often with both intended and unintended consequences. PPI is a philosophy of research being shaped by the people it is undertaken for and funded by, underpinned by the World Health Organisation, Ottawa Charter for Health Promotion 1986 and recent reforms in the UK Health and Social Care Act 2012. We explore this diagrammatically, to understand the contribution of each and the overlap where integration occurs. We will present a series of fallacies drawn from an analysis of the issues that we have observed as researchers, members of funding boards and in the literature. We consider the strengths and limitations for each approach, by asking why, what, where, who, when, and how? The question of how to assist trial researchers to find the best possible approach for their research questions is considered, including whether more prescriptive guidance is indicated.

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)0,061
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil0,967

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0610,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,943
Tête enseignante GPT0,679
Écart entre enseignants0,264 · 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 tête enseignante, 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrialsMême sujetMental Health and Patient InvolvementTravaux en français237 207