Particularity, Engagement, Actionable Inferences, Reflexivity, and Legitimation tool for rigor in mixed methods implementation research
Notice bibliographique
Résumé
BACKGROUND: Implementation science helps generate approaches to expedite the uptake of evidence in practice. Mixed methods are commonly used in implementation research because they allow researchers to integrate distinct qualitative and quantitative methods and data sets to unravel the implementation process and context and design contextual tools for optimizing the implementation. To date, there has been limited discussion on how to ensure rigor in mixed methods implementation research. PURPOSE: To present Particularity, Engagement, Actionable Inferences, Reflexivity, and Legitimation (PEARL) as a practical tool for understanding various components of rigor in mixed methods implementation research. DATA SOURCES: This methodological discussion is based on a nurse-led mixed methods implementation study. The PEARL tool was developed based on an interpretive, critical reflection, and purposive reading of selected literature sources drawn from the researchers' knowledge, experiences of designing and conducting mixed methods implementation research, and published methodological papers about mixed methods, implementation science, and research rigor. CONCLUSION: An exemplar exploratory sequential mixed methods study in nursing is provided to illustrate the application of the PEARL tool. The proposed tool can be a useful and innovative tool for researchers and students intending to use mixed methods in implementation research. The tool offers a straightforward approach to learning the key rigor components of mixed methods implementation research for application in designing and conducting implementation research using mixed methods. CLINICAL RELEVANCE: Rigorous implementation research is critical for effective uptake of innovations and evidence-based knowledge into practice and policymaking. The proposed tool can be used as the means to establish rigor in mixed methods implementation research in nursing and health sciences.
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 | 0,675 | 0,811 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,009 |
| Bibliométrie | 0,018 | 0,011 |
| Études des sciences et des technologies | 0,009 | 0,047 |
| Communication savante | 0,023 | 0,023 |
| Science ouverte | 0,006 | 0,027 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».