Overcoming Recruitment Challenges in Nursing Home Research with Nurses and Health Care Aides
Notice bibliographique
Résumé
Abstract Background Recruiting busy health care providers into research can be challenging. Yet, the success of a research project can hinge on recruitment response rates. This article uses a case study to demonstrate how qualitative researchers creatively readjusted their methods when standard methods were not yielding enough recruitment response with the aim of supporting other researchers with their recruitment. Methods Case Example – Interest was expressed but response rates were low among nurses and health care aides in a research project on person-centred health care in a personal care home research site. The research team reconceptualized the participation design, creating a research ‘event’, which accommodated the time constraints and work culture of the respondents. The research event was much better attended than standard interview recruitment. Results The research event approach overcame barriers to participation. An 80% response rate resulted. Standard response rates for research interviews tend to be well under 20%. Discussion Successful recruitment hinged on the researcher’s willingness to reconceptualize the recruitment approach part-way through, when recruitment difficulties were encountered. The high response could be attributed to the methods’ alignment to the available time and work culture in respondent-centred ways. The results suggest that attending to aspects of the work culture can increase recruitment, improve the chances of successful data collection, and reduce the likelihood of research ‘stall’. Conclusion New and creative approaches to recruiting nurses and health care aides to qualitative research studies can help to meet recruitment targets. Rethinking and redesigning recruitment strategies after research begins, can be a mark of a successful research strategy and not a failure of research design.
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 | 0,115 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,070 |
| 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; les deux têtes enseignantes 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 ».