Patient-Oriented Research and Grounded Theory: A Case Study of How an Old Method Can Inform Cutting-Edge Research
Notice bibliographique
Résumé
Creating evidence that is both scientifically rigorous and patient oriented in addressing patients’ needs is essential to informing health-care professionals’ practice and meeting patient needs. Patient-oriented research (POR) aims to address this 2-fold mandate by engaging and incorporating patients’ voices throughout the research process through a variety of techniques. Currently, there is little methodological rigor or guidance to help qualitative patient-oriented researchers design, collect, and analyze patient data. Classical grounded theory (GT) is arguably one of the most rigorous qualitative research methods, focusing on the development of theory from data grounded in participants’ voices. As such, classical GT is an ideal methodological approach for conducting POR due to its rigor, patient-oriented focus, and generation of an empirical model focused on the topic of interest. The purpose of this article is to describe the convergence and divergence between classical GT and POR, based on the current literature and pragmatically through an ongoing classical GT study focused on combat veterans’ perspective on Operational Stress Injuries (OSIs). By describing the methodological principles and their implementation in a POR study, we provide readers with both substantive and practical knowledge to utilize classical GT in POR studies, particularly within study populations that may be averse to or experience challenges in participating in research. Classical GT therefore provides patient-oriented researchers with a pragmatic methodological framework for engaging patients and generating rigorous evidence.
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 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 | 0,077 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».