Implications of Attrition in a Longitudinal Web-Based Survey: An Examination of College Students Participating in a Tobacco Use Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Web-based survey research has several benefits, including low cost and burden, as well as high use of the Internet, particularly among young adults. In the context of longitudinal studies, attrition raises concerns regarding the validity of data, given the potential associations with individual and institutional characteristics, or the focal area of study (eg, cigarette use). OBJECTIVES: The objective of this study was to compare baseline characteristics of nonresponders versus responders in a sample of young adult college students in a Web-based longitudinal study regarding tobacco use. METHODS: We conducted a secondary data analysis of 3189 college students from seven Georgia colleges and universities in a 2-year longitudinal study. We examined baseline tobacco use, as well as individual- and institutional-level factors, as predictors of attrition between wave 1 (October and November 2014) and wave 2 (February and March 2015) using multilevel modeling. Results: A total 13.14% (419/3189) participants were lost to follow-up at wave 2. Predictors of nonresponse were similar in the models examining individual-level factors and institutional-level factors only and included being black versus white (odds ratio [OR] 1.74, CI 1.23-2.46); being male versus female (OR 1.41, CI 1.10-1.79); seeking a bachelor's degree versus advanced degree (OR 1.41, CI 1.09-1.83); not residing on campus (OR 0.62, CI 0.46-0.84); past 30-day tobacco use (OR 1.41, CI 1.10-1.78); attending a nonprivate college (OR 0.48, CI 0.33-0.71); and attending a college with ≤10,000 students (OR 0.56, CI 0.43-0.73). CONCLUSIONS: Future longitudinal studies should assess predictors of attrition to examine how survey topic and other individual and institutional factors might influence the response to allow for correction of selection bias.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,093 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle