Tailoring research recruitment strategies to survey harder‐to‐reach populations: A discussion paper
Notice bibliographique
Résumé
AIMS: A discussion of the challenges of recruiting participants from harder-to-reach populations for quantitative survey studies and potential avenues for tailored strategies to address these challenges. DESIGN: Discussion paper. DATA SOURCES: The search was conducted on August 2, 2021, in the CINAHL and PubMed databases, and in Google scholar. The initial search identified 5880 articles, and the final analysis included 44 articles that met the inclusion criteria. Articles were retained if they addressed methodological challenges or strategies for recruitment and concerned research with harder-to-reach populations. IMPLICATIONS FOR NURSING: This article draws on the literature regarding the challenges of recruiting research participants from harder-to-reach populations and known strategies for overcoming them. These strategies include, for example, establishing a trusting relationship between the researcher and the participant community and gaining in-depth knowledge of the target population. These challenges and strategies for recruiting participants from these populations are discussed specifically in the context of quantitative survey research. CONCLUSION: Nurse researchers conducting quantitative survey studies with participants from harder-to-reach populations must tailor their recruitment strategies to the target population and, most importantly, be flexible and creative in their recruitment methods. IMPACT: The article discusses the challenges of recruiting participants from harder-to-reach populations and strategies to overcome them in quantitative survey studies. Successful recruitment requires researchers to develop a thorough understanding of the harder-to-reach population, develop partnerships to locate and access potential participants, build trust with the community, tailor their language, minimize participation risk and resource constraints, recognize the cognitive and physical demands required, and be flexible and creative in developing recruitment strategies. This knowledge can enable the inclusion of more people from harder-to-reach populations in survey studies and provide evidence that can inform research and practice to provide healthcare tailored to their needs and ultimately help improve their health and well-being.
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 | 0,016 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,004 |
| 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 ».