Building Timely Consensus Among Diverse Stakeholders: An Adapted Nominal Group Technique
Notice bibliographique
Résumé
PURPOSE: Building timely consensus among diverse stakeholders is important in primary health care research. Consensus can be obtained using the nominal group technique which includes 5 steps: (1) introduction and explanation; (2) silent generation of ideas; (3) sharing ideas; (4) discussion; and (5) voting and ranking. The main challenges in using this technique are a lack of representation of different stakeholder opinions and the amount of time taken to reach consensus. In this paper, we demonstrate how to effectively achieve consensus using an adapted nominal group technique that mitigates the challenges. METHODS: This project aimed to reach consensus on the priority care domains for individuals aged 65 or older, using an adapted nominal group technique with 4 strategies: (1) recruit 4 stakeholders groups (older people, clinicians, managers, decision makers) by using maximum variation and snowballing sampling approaches; (2) use remote tools to ensure high participation; (3) add an individual pre-elicitation activity to increase effectiveness; and (4) adapt discussions to the stakeholders' preferences for meaningful engagement. RESULTS: In total, 28 diverse stakeholders participated. After the pre-elicitation activity and 1 round of group discussion, we reached consensus on a priority domain called symptoms, functioning, and quality of care. Adaptive group discussions and remote tools were the most effective strategies. All participants strongly agreed that they were able to express their views freely. Some perceived a need for emphasizing the alignment between the research objectives and anticipated practice and policy implications. CONCLUSIONS: This adapted nominal group technique is an effective and enriching method when timely consensus is needed among diverse stakeholders. Health care researchers in various fields can benefit from using this research methodology.
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 | 0,123 | 0,253 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,006 |
| 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; 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 ».