Use of Ecomaps in Qualitative Health Research
Notice bibliographique
Résumé
Qualitative health research plays a central role in exploring individuals’ experiences and perceptions of wellness, illness, and healthcare services. Visual tools are increasingly used for data elicitation. An ecomap is a visual tool that applies ecosystems theory to human communities and relationships to provide an illustration of the quality of relationships. We describe the use of ecomaps in qualitative health research. Searches across eight databases identified 407 citations. We screened them in duplicate to identify 129 publications that underwent full text review and included 73 in the final synthesis. We classified and summarized data based on iterative comparisons across sources. Benefits of using ecomaps include improving rapport and engagement with study participants, facilitating iterative question development, and highlighting the social contexts of relationships. When used in conjunction with interviews, they promote data credibility through triangulation. Investigators have used ecomaps as a tool to facilitate primary and secondary analysis of data. Researchers have adapted the ecomap to meet their health research needs. Challenges to their use include additional time and training needed to complete, and potential privacy and confidentiality concerns. Ecomaps can be useful in qualitative health research to enhance data elicitation, analysis, presentation, and to augment study rigor.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,290 | 0,442 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,038 | 0,048 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».