Examining differential success in recruitment using respondent driven sampling (RDS) in a multi-site study of gay, bisexual and other men who have sex with men
Notice bibliographique
Résumé
BACKGROUND: The Engage Study is a longitudinal biobehavioral cohort study of gay, bisexual and other men who have sex with men (GBM) in Toronto, Montreal, and Vancouver. Baseline data (2,449 participants) were collected from February 2017 - August 2019 using respondent-driven sampling (RDS). Recruitment in Montreal required fewer seeds, had a much shorter recruitment period, and recruited the largest sample. METHODS: To better understand why RDS recruitment was more successful in Montreal compared to other sites, we conducted an analysis to examine RDS recruitment characteristics for GBM in each of the three study sites, explore demographic characteristics and measures of homophily, that is, the tendency of individuals to recruit other study participants who are like themselves, and compared motivations for study participation. RESULTS: Montreal had the greatest proportion of participants over the age of 45 (29.1% in Montreal, 24.6% in Vancouver, and 21.0% in Toronto) and the highest homophily for this age group, but homophily was high across the three cities. Montreal also reported the lowest percentage of participants with an annual income greater or equal to $60,000 (7.9% in Montreal, 13.1% in Vancouver and 10.6% in Toronto), but homophily was similar across all three cities. The majority of participants indicated interest in sexual health and HIV as the main reason for participating (36.1% in Montreal, 34.7% in Vancouver, and 29.8% in Toronto). Financial interest as the main reason for participation was low (12.7% in Montreal, 10.6% in Vancouver, and 5.7% in Toronto). CONCLUSION: Taken together, although we found some differences in study demographic characteristics and homophily scores, we were unable to fully explain the different recruitment success based on the data available. Our study underlines the fact that success of RDS implementation may vary by unknown factors, and that researchers should be proactive and flexible to account for variability.
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 | 0,088 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».