MétaCan
Menu
Retour à la cohorte
Enregistrement W3106977776 · doi:10.7748/nr.2020.e1757

When and how to use factorial design in nursing research

2020· review· en· W3106977776 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNurse Researcher · 2020
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensWinnipeg Regional Health Authority
Organismes subventionnairesnon disponible
Mots-clésFactorial experimentFactorialResearch designFractional factorial designPsychological interventionComputer scienceSample size determinationDesign of experimentsClinical study designManagement sciencePsychologyStatisticsMathematicsMachine learningMedicineClinical trialEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Quantitative research designs are broadly classified as being either experimental or quasi-experimental. Factorial designs are a form of experimental design and enable researchers to examine the main effects of two or more independent variables simultaneously. They also enable researchers to detect interactions among variables. AIM: To present the features of factorial designs. DISCUSSION: This article provides an overview of the factorial design in terms of its applications, design features and statistical analysis, as well as its advantages and disadvantages. CONCLUSION: Factorial designs are highly efficient for simultaneously evaluating multiple interventions and present the opportunity to detect interactions amongst interventions. Such advantages have led researchers to advocate for the greater use of factorial designs in research when participants are scarce and difficult to recruit. IMPLICATIONS FOR PRACTICE: A factorial design is a cost-effective way to determine the effects of combinations of interventions in clinical research, but it poses challenges that need to be addressed in determining appropriate sample size and statistical analysis.

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.

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Méthodes · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,263
score de la tête « metaresearch » (Gemma)0,270
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2630,270
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0100,002
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0070,000
Science ouverte0,0040,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,006

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 Opus0,963
Tête enseignante GPT0,694
Écart entre enseignants0,268 · 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