Come utilizzare grandi campioni per la ricerca in Infermieristica

Quando si esegue la ricerca infermieristica , selezionare con attenzione popolazioni campione per evitare di sprecare tempo la ricerca , lo sforzo paziente e costi di supporto . Idealmente , gli studi clinici devono essere abbastanza grandi da rilevare in modo affidabile le più piccole differenze di outcome primario tra i pazienti . Quando si lavora con un ampio campione , utilizzano criteri di selezione che definiscono specificamente la popolazione da studiare . Come pure , utilizzare criteri di esclusione per evitare di allocare le risorse in modo improprio o danneggiare soggetti. Infine , particolarmente grandi campioni possono essere impossibile studiare sotto vincoli di tempo e di budget ; in tal caso , si può scegliere un sottoinsieme del campione con cui lavorare. Cose che ti serviranno
Criteri di inclusione
criteri di esclusione

Mostra Altre istruzioni
1

Assicurarsi che il campione di grandi dimensioni ha le caratteristiche cliniche - note come criteri di inclusione - - avete bisogno per completare il vostro studio . L'età è spesso un fattore cruciale . Durante il test di un farmaco su una popolazione , per esempio, si potrebbe scegliere di concentrarsi sulle donne sulla trentina , il ragionamento che il rapporto beneficio - to- male è più alta nelle donne tra i trenta ei meno prominente in altre fasce d'età . In alternativa , se la dimensione del campione è veramente grande , si potrebbe verificare una serie di gruppi di età , trarre conclusioni statisticamente significative su ogni gruppo di età .
2

Verificare , così , che i risultati dello studio si ottiene dal campione può essere giustapposto alla popolazione più ampia - un secondo tipo di criteri di inclusione . Utilizzando campioni più grandi può sembrare suggerire che risultati hanno maggiori probabilità di descrivere la popolazione generale ; tuttavia , considerare come avete trovato i vostri sudditi . I pazienti a proprio ospedale possono essere una fonte disponibile e poco costoso di soggetti. Peculiarità di pazienti locali o pazienti presso l'ospedale , però , potrebbero interferire con generalizzare i risultati ad altre popolazioni . Nessun singolo corso di azione è chiaramente giusto o sbagliato , e potrebbe essere necessario fare delle scelte che coinvolgono trade-off tra obiettivi scientifici e pratici .
3

Stabilire criteri di esclusione . In altre parole , individuare sottoinsiemi di individui all'interno di campione che si adatterebbe tuoi criteri di inclusione , se non per alcune caratteristiche che potrebbero interferire con il successo degli sforzi di follow - up , qualità dei dati , o l'accettabilità del trattamento randomizzato . Per esempio, se un paziente è alcolista o intenzione di trasferirsi al di fuori dello stato , svolgendo prove di follow -up con lui potrebbe essere difficile . Inoltre , se un paziente ha una storia di ictus , è probabile che lei avrebbe sperimentato gli effetti negativi a seguito dello studio .
4

selezionare un sottoinsieme del campione se il campione è troppo grosso studiare ogni soggetto sotto vincoli di tempo e di budget . Campionamento probabilistico , che prevede la selezione di un sottoinsieme a caso , fornisce una base rigorosa per generalizzare l'applicabilità dei risultati dello studio per la popolazione nel suo complesso . I ricercatori spesso utilizzano la convenienza di campionamento , che comporta l'uso di persone che soddisfano i criteri di ingresso e sono facilmente accessibili al ricercatore . Campionamento Convenienza ha evidenti vantaggi in termini di costi e logistica. Determinare , però , se è possibile usare la convenienza di campionamento ed ancora affidabile rispondere alla domanda scientifica a portata di mano .