Recruiting a geographically, ethnically and socioeconomically diverse population of postpartum women into a behavioural weight management intervention trial: an evaluation of strategies used in the Supporting MumS (SMS) randomised controlled trial.
Notice bibliographique
Résumé
Objective To evaluate strategies used to recruit a geographically, ethnically and socioeconomically diverse sample of postpartum women (including those who gave birth but who do not identify as women) to the Supporting MumS randomised controlled trial (RCT). Design Two-arm, parallel, multi-centre RCT. Setting Five sites across the United Kingdom, selected with consideration of geographic, ethnic and socioeconomic diversity. Population or Sample Women, within 6 weeks to two years postpartum, with BMI ≥25 kg/m 2 . Methods Strategies used to recruit over a 12-month period were recorded, and outcomes were assessed by site, ethnicity and Index of Multiple Deprivation (IMD) data. Main Outcome Measures Numbers expressing interest, screened and randomised. Results Over 12 months, 2,457 women expressed an interest, 1,227 (49.9%) were screened for eligibility and 892 (36.3%) were randomised. The sample had 33.6% non-white ethnicity and 53.5% lived in the two most deprived quintiles (according to IMD). Most participants learnt about the study through social media (45.5%), followed by community groups and settings aimed at parents (26.0%), the Born in Bradford’s Better Start ( BiBBS ) cohort (12.5%), friends/family (7.2%), general community settings (5.3%) and health professionals (5.4%). Success of recruitment strategies varied across sites and participant characteristics. Conclusions An ethnically and socioeconomically diverse sample of postpartum women across the four UK countries was recruited within the planned 12-month timeframe. This was achieved by selection of recruitment sites (considering geographical spread and population characteristics), using a range of strategies and tailoring these to local populations, and iteratively adapting strategies employed based on success.
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 | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».