Respondent-Driven Sampling With Youth Who Use Drugs: A Mixed Methods Assessment
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
Respondent-driven sampling (RDS) has been widely used for recruiting hard-to-sample populations, particularly men who have sex with men and people who inject drugs from large urban centers. The aim of this article was to examine the feasibility of using RDS among nonmetropolitan youth who use drugs. Between May 2017 and June 2018, RDS was used to recruit youth who use drugs, ages 16–30, in three nonmetropolitan Canadian cities. All participants completed a 1-hr interviewer-administered survey. Youth received $25 for the interview, up to five coupons to recruit peers and $5 per coupon returned. Crude and RDS-weighted descriptive statistics were produced using RDS-II weights as were homophily (the tendency for people to be similar) and network size estimates. Statistically significant differences between seeds and recruits were identified using logistic regression. A subsample of recruits participated in qualitative interviews ( n = 38). Data from these interviews were inductively analyzed to identify barriers that could be used to explain the challenges with chain-referral recruitment among this population. In total, 449 youth were recruited. Due to unproductive chains, 57.2% ( n = 257) of the sample was comprised of seeds and 322 (72%) did not have a single coupon returned. Barriers to recruiting other youth included logistical challenges, fear of police, concerns about confidentiality, stigma of substance use, and poor financial incentive. Our study shows that RDS can be used to reach younger participants but also highlights the need for formative research and flexibility in recruitment to help mitigate unsuccessful RDS among nonmetropolitan youth who use drugs.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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