Critically appraising and utilising qualitative health research evidence in nutrition practice
Notice bibliographique
Résumé
BACKGROUND: Evidence-based decision-making and practice recommendations are commonly based on findings from quantitative studies or reviews. In the present study, we provide an overview of how to incorporate findings from qualitative research into the evidence-based decision-making process. METHODS: To illustrate how qualitative evidence can be integrated into the decision-making process, we have outlined a clinical nutrition scenario and the process for sourcing credible evidence to inform decision-making. A qualitative health research study was selected and appraised using the Critical Appraisal Skill Programme (CASP) appraisal tool for qualitative research. Based on the results of the critical appraisal, the study quality is considered, and we discuss whether the qualitative evidence can be applied to practice. RESULTS: A detailed description of how the qualitative findings can be used conceptually and instrumentally in practice to address the clinical nutrition scenario is provided. CONCLUSIONS: Developing skills in critically appraising findings from qualitative studies will increase awareness and utilisation of this type of evidence in practice and policy, with a goal to ensure that patient/client perceptions are considered, leading to enhanced person-centred care or systems.
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 | 0,488 | 0,688 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,005 |
| Bibliométrie | 0,022 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,014 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».