عوامل موثر در طراحی روش نمونه گیری از جمعیت های پنهان در معرض بیماری های پرخطر

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 184

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHPM-6-3_001

تاریخ نمایه سازی: 4 دی 1400

Abstract:

مقدمه: روش نمونه گیری پاسخگو محور نزدیک به دو دهه پیش برای نمونه گیری از جمعیت های پنهان به ویژه جمعیت هایی که در معرض بیماری های پرخطریکه سلامت جامعه را به مخاطره می اندازند، معرفی شد. لذا مطالعه حاضر با هدف تعیین عوامل موثر در طراحی روش نمونه گیری از جمعیت های پنهان در معرض بیماری های پرخطر انجام پذیرفت. روش کار: در این مطالعه مروری، ضمن معرفی اجمالی روش نمونه گیری پاسخگو محور، به مرور ۱۱ طرحی که از این روش برای بررسی جمعیت های پنهان در آن ها استفاده شده است، پرداخته شد. همچنین، نکات در نظر گرفته شده در خصوص مهمترین عوامل موثر در طراحی این روش که شامل ارزیابی بنیادی و انتخاب هسته ها می باشند، نیز بررسی شدند. یافته ها: نتایج نشان داد که اگر اهداف اصلی اجرای ارزیابی بنیادی و انتخاب هسته ها محقق نشود، برآورد پارامترهای جمعیت پنهان با مقادیر واقعی آن اختلاف خواهند داشت و اریبی هایی مانند عدم تشکیل زنجیره های عضوگیری طولانی، عدم اعتماد به اندازه شبکه اجتماعی افراد و کندی روند عضوگیری برای طرح بوجود خواهد آمد. نتیجه گیری: بدون در نظر گرفتن نکات موثر در طراحی روش نمونه گیری پاسخگو محور، این روش در نمونه گیری از جمعیت های پنهان کارا نخواهد بود. پیشنهاد می شود که پژوهشگران قبل از استفاده از این روش نمونه گیری، به منظور تضمین حصول به موفقیت در نفوذ به جمعیت های پنهان هدف، این ملاحظات را مد نظر قرار دهند.

Authors

مهسا سعادتی

National Population Studies & Comprehensive Management Institute

آرزو باقری

National Population Studies & Comprehensive Management Institute

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Watters JK, Cheng YT. HIV-۱ infection and risk among intravenous ...
  • Ramirez-Valles J, Heckathorn DD, Vazquez R, Diaz RM, Campbell RT. ...
  • Kalton G. Introduction to Survey Sampling. Newbury Park, CA: Sage ...
  • Snijders TAB. Estimation on the basis of snowball samples: how ...
  • Thompson SK, Frank O. Model-based estimation with link-tracing sampling designs. ...
  • Heckathorn DD. Respondent-driven sampling: a new approach to the study ...
  • Heckathorn DD. Extensions of respondent‐driven sampling: analyzing continuous variables and ...
  • Mumtaz GR, Weiss HA, Thomas SL, Riome S, Setayesh H, ...
  • Johnston LG, Thurman TR, Mock N, Nano L, Carcani V. ...
  • Malekinejad M, Mohraz M, Razani N, Akbari G, McFarland W, ...
  • Saadati M, Bagheri A. [Respondent Driven Sampling Method Comparing to ...
  • Bagheri A, Saadati M. Exploring the Effectiveness of Chain Referral ...
  • Bagheri A, Saadati M, editors. Sampling Hard to reach populations: ...
  • Saadati M, Bagheri A, editors. Adaptive versus conventional sampling in ...
  • Saadati M, Bagheri A, editors. Sampling migrants by respondent driven ...
  • Bagheri A. [Respondent driven sampling: A new approach to sampling ...
  • Kendall C, Kerr LR, Gondim RC, Werneck GL, Macena RH, ...
  • Kajubi P, Kamya MR, Raymond HF, Chen S, Rutherford GW, ...
  • Malekinejad M, Johnston LG, Kendall C, Kerr LR, Rifkin MR, ...
  • Bagheri A, Saadati M. Population proportion estimator of respondent driven ...
  • Saadati M, Bagheri A. [Unbiased estimator of population proportion for ...
  • Saadati M, Bagheri A, editors. [Homophiliy and its bias in ...
  • Volz E, Heckathorn DD. Probability based estimation theory for respondent ...
  • Goel S, Salganik MJ. Respondent-driven sampling as Markov chain Monte ...
  • نمایش کامل مراجع