Using Ethno-Epidemiology in a Prospective Observational Study to Increase the Rigour of Nested Qualitative Research
Notice bibliographique
Résumé
Ethnographic-epidemiological (“ethno-epi”) research methodologies are increasingly being used to examine health-related issues, including the experiences of people who use drugs. However, the complementary application of random sampling from a well characterised cohort and qualitative data collection methods in a single study has not been described. We address this gap by sharing insights from the implementation of a novel random stratified sampling technique to recruit participants from two large prospective observational studies of people who use drugs into a qualitative study about impacts of the COVID-19 pandemic on their lived experience. We aim to describe how an ethno-epi approach we used can enhance the validity, reliability and generalizability of research findings in mixed methods investigations. We do so by providing a step-by-step description of the process we used to determine participant eligibility and recruitment into the qualitative study. Although the approach is not without limitations, findings underscore how ethno-epi random sampling approaches can increase the credibility and trustworthiness of qualitative findings without compromising data depth and integrity. Our study makes an important contribution to the growing number of new creative approaches being developed in the mixed methods research field and we hope that by sharing our account it will encourage and support others to consider the use of ethno-epi approaches in health-related research.
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 | 0,269 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».