The Challenges of Conducting Research in Rural Populations: A Feasibility Study
Notice bibliographique
Résumé
Purpose: Chronic stress related to health disparities results in negative health outcomes for mothers and infants. The brain-gut-immune axis plays a significant role in perinatal health outcomes. Researchers have not focused on the effects of rural living on the maternal/infant gut microbiome. The purpose of our study was to validate recruitment protocols, data and specimen collection protocols, participant feedback, and participant retention strategies for future studies in a rural Nebraska population of mother/infant dyads. Sample: Mother/infant dyads living in Nebraska counties with a rural-urban commuting area (RUCA) code of three or greater (n = 17 dyads, n = 1 triad). Methods: We conducted a cross-sectional pilot feasibility study by collecting stool samples, actigraph data, sleep diaries, and health and lifestyle questionnaires from mother/infant dyads living in rural Nebraska counties. Findings: Retrospective review of this pilot study identified the main feasibility findings were primarily related to distance: 1) relying on virtual recruiting methods was cost-effective; 2) stool sample shelf-life created participant inconvenience; 3) shipping carrier delays affected collection timing of actigraph data; 4) participant access to shipping carrier drop-offs increased cost and inconvenience. Conclusion: Rural locations create barriers to research, but none are insurmountable. When working with rural populations, it is important to consider the potential adaptation of participant recruitment methods and protocol procedures, including careful attention to shipping and related time constraints that may impact data collection. DOI: https://doi.org/10.14574/ojrnhc.v23i2.740
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 | 0,017 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».