Qualitative Health Research

Phân tích nội dung là một kỹ thuật nghiên cứu định tính được sử dụng rộng rãi. Thay vì là một phương pháp duy nhất, các ứng dụng hiện nay của phân tích nội dung cho thấy ba cách tiếp cận khác biệt: thông thường, có định hướng hoặc tổng hợp. Cả ba cách tiếp cận này đều được dùng để diễn giải ý nghĩa từ nội dung của dữ liệu văn bản và do đó, tuân theo hệ hình tự nhiên. Các khác biệt chính giữa các cách tiếp cận là các bộ mã hóa, nguồn gốc của mã hóa và mối đe dọa đến độ tin cậy. Trong phân tích nội dung thông thường, các danh mục mã hóa được lấy trực tiếp từ dữ liệu văn bản. Với một cách tiếp cận có định hướng, phân tích bắt đầu với một lý thuyết hoặc các kết quả nghiên cứu liên quan để làm cơ sở cho các mã ban đầu. Phân tích nội dung tổng hợp bao gồm việc đếm và so sánh, thường là các từ khóa hoặc nội dung, tiếp theo là diễn giải bối cảnh cơ bản. Các tác giả phân định các quy trình phân tích cụ thể cho từng cách tiếp cận và các kỹ thuật nhằm nâng cao độ tin cậy với các ví dụ giả định từ lĩnh vực chăm sóc cuối đời.

Độ bão hòa là một nguyên tắc cốt lõi để xác định kích thước mẫu trong nghiên cứu định tính, tuy nhiên có rất ít nghiên cứu phương pháp luận về các tham số ảnh hưởng đến độ bão hòa. Nghiên cứu của chúng tôi so sánh hai cách tiếp cận để đánh giá độ bão hòa: độ bão hòa mã và độ bão hòa ý nghĩa. Chúng tôi đã khảo sát kích thước mẫu cần thiết để đạt được độ bão hòa trong mỗi cách tiếp cận, định nghĩa độ bão hòa và cách đánh giá độ bão hòa. Qua việc xem xét 25 cuộc phỏng vấn sâu, chúng tôi phát hiện rằng độ bão hòa mã đạt được sau chín cuộc phỏng vấn, trong khi đó phạm vi các vấn đề chủ đề đã được xác định. Tuy nhiên, từ 16 đến 24 cuộc phỏng vấn là cần thiết để đạt được độ bão hòa ý nghĩa, nơi chúng tôi phát triển một hiểu biết phong phú về các vấn đề. Do đó, độ bão hòa mã có thể chỉ ra khi các nhà nghiên cứu đã "nghe hết" mọi thứ, nhưng độ bão hòa ý nghĩa là cần thiết để "hiểu hết". Chúng tôi đã sử dụng kết quả của mình để phát triển các tham số ảnh hưởng đến độ bão hòa, có thể được sử dụng để ước tính kích thước mẫu cho các đề xuất nghiên cứu định tính hoặc để ghi trong các ấn phẩm về cơ sở mà từ đó độ bão hòa đã được đạt được.

Mục đích của bài viết này là so sánh ba phương pháp định tính có thể được sử dụng trong nghiên cứu y tế: hiện tượng học, phân tích diễn văn và lý thuyết căn bản. Các tác giả bao gồm một mô hình tóm tắt những điểm tương đồng và khác biệt giữa các phương pháp, chú ý đến sự phát triển lịch sử, mục tiêu, phương pháp, khán giả và sản phẩm của chúng. Sau đó, họ minh họa cách mà các phương pháp này khác nhau bằng cách áp dụng chúng vào cùng một bộ dữ liệu. Mục tiêu trong hiện tượng học là nghiên cứu cách mà con người tạo ra ý nghĩa từ trải nghiệm sống của họ; phân tích diễn văn xem xét cách ngôn ngữ được sử dụng để hoàn thành các dự án cá nhân, xã hội và chính trị; và lý thuyết căn bản phát triển các lý thuyết giải thích về các quá trình xã hội cơ bản được nghiên cứu trong bối cảnh. Các tác giả lập luận rằng bằng cách làm quen với nguồn gốc và chi tiết của các phương pháp này, các nhà nghiên cứu có thể tìm được sự phù hợp tốt hơn giữa câu hỏi nghiên cứu của họ và các mục tiêu cũng như sản phẩm của nghiên cứu.

Các chiến lược tìm kiếm hệ thống chuẩn hóa tạo điều kiện cho tính nghiêm ngặt trong nghiên cứu. Các công cụ tìm kiếm hiện tại tập trung vào việc thu hồi các nghiên cứu định lượng. Trong bài viết này, chúng tôi đề cập đến các vấn đề liên quan đến việc sử dụng các công cụ chiến lược tìm kiếm hiện có, thường là cách tiếp cận PICO (Dân số, Can thiệp, So sánh, Kết quả) để xác định các yếu tố chính của câu hỏi rà soát, khi tìm kiếm các nghiên cứu định tính và phương pháp hỗn hợp. Một công cụ chiến lược tìm kiếm thay thế cho nghiên cứu định tính/phương pháp hỗn hợp được phác thảo: SPIDER (Mẫu, Hiện tượng quan tâm, Thiết kế, Đánh giá, Loại hình nghiên cứu). Chúng tôi đã sử dụng cả công cụ tìm kiếm SPIDER và PICO với một câu hỏi nghiên cứu định tính. Chúng tôi đã sử dụng công cụ SPIDER để thúc đẩy tư duy vượt ra khỏi PICO trong ứng dụng thích hợp của nó cho nghiên cứu định tính và phương pháp hỗn hợp. Tuy nhiên, chúng tôi đã một lần nữa nhấn mạnh sự cần thiết phải cải thiện việc lập chỉ mục các bài báo định tính trong các cơ sở dữ liệu. Để trở thành một lựa chọn khả thi cho PICO, SPIDER cần được tinh chỉnh và thử nghiệm trên một loạt các chủ đề rộng hơn.

Lý thuyết định hướng thực tiễn, như một phương pháp nghiên cứu định tính đang phát triển, là sản phẩm của lịch sử cũng như tri thức luận của nó. Trong tài liệu hiện có, có nhiều cuộc thảo luận tập trung vào sự khác nhau giữa các phiên bản lý thuyết định hướng thực tiễn của Glaser (1978, 1992) và Strauss (1987, 1990). Mục đích của bài viết này là làm phong phú thêm cuộc thảo luận này bằng cách khám phá cụ thể cuộc tranh luận giữa Glaser và Strauss thông qua việc so sánh quy trình và thủ tục phân tích dữ liệu được ủng hộ bởi Glaser và Strauss. Để hoàn thành nhiệm vụ này, các tác giả phân chia bài viết thành hai phần. Đầu tiên, họ cung cấp thông tin nền tảng liên quan đến lý thuyết định hướng thực tiễn như một phương pháp nghiên cứu. Thứ hai, họ thực hiện một cuộc thảo luận sâu hơn về các quan điểm của Glaser, sử dụng các công trình của Glaser, và Strauss, sử dụng các công trình của Strauss cũng như của Strauss và Corbin (1990), liên quan đến các giai đoạn khác nhau của phân tích dữ liệu, cụ thể là đề cập đến các thủ tục mã hóa, xác minh và vấn đề ép buộc so với xuất hiện.

Trong bài viết này, các tác giả trình bày một ví dụ thực nghiệm về quy trình tam giác trong nghiên cứu y tế định tính. Dự án Phát Triển Sức Khỏe Tim Mạch Canada (CHHDP) liên quan đến một cuộc khảo sát quốc gia về việc xây dựng năng lực và phát tán thông tin được thực hiện trong một loạt các dự án phát tán thông tin tại các tỉnh. Mục tiêu của Dự án là về bối cảnh, quy trình và tác động của việc xây dựng năng lực và phát tán thông tin về nâng cao sức khỏe. Các tác giả đã thu thập dữ liệu định tính trong khuôn khổ thiết kế nghiên cứu nhiều trường hợp song song bằng cách sử dụng phỏng vấn các chuyên gia chính cùng phân tích tài liệu. Với sự đa dạng của các tập dữ liệu định tính được sử dụng, việc tam giác hóa dữ liệu là rất cần thiết để giải quyết sự đầy đủ, hội tụ, và sự không đồng điệu của các chủ đề chính. Mặc dù trong tài liệu có không ít lời khuyên nhắc rằng quy trình này cần phải được thực hiện, nhưng còn thiếu hướng dẫn về việc hiện thực hóa quy trình tam giác. Do đó, các tác giả đã tự mày mò trong quá trình này, sử dụng cơ hội này để phát triển, triển khai và phản ánh về một quy trình tam giác.

Nhiều nghiên cứu định tính công nhận khả năng thiên lệch mong muốn xã hội (một khuynh hướng trình bày thực tại theo cách phù hợp với những gì được coi là chấp nhận trong xã hội) như một hạn chế tạo ra những phức tạp trong việc diễn giải các kết quả. Dựa trên kinh nghiệm tiến hành phỏng vấn và nhóm tập trung ở vùng nông thôn Ethiopia, bài báo này cung cấp một tài liệu thực tiễn về cách mà một nhóm nghiên cứu phát triển và áp dụng các chiến lược để phát hiện và hạn chế thiên lệch mong muốn xã hội. Các nhà thu thập dữ liệu đã xác định các dấu hiệu chung của các khuynh hướng mong muốn xã hội, liên quan đến bản chất của các câu trả lời và các mẫu từ ngữ được chọn. Các chiến lược để tránh hoặc hạn chế thiên lệch bao gồm các kỹ thuật giới thiệu nghiên cứu, thiết lập mối quan hệ, và đặt câu hỏi. Đào tạo trước khi tiến hành nghiên cứu với các nhà thu thập dữ liệu, các buổi họp báo định kỳ, và các cuộc họp nhóm nghiên cứu đã cung cấp những cơ hội để thảo luận về các khuynh hướng mong muốn xã hội và điều chỉnh các phương pháp để tính đến chúng suốt quá trình nghiên cứu. Mặc dù thiên lệch mong muốn xã hội trong nghiên cứu định tính có thể khó khắc phục, nhưng nó vẫn có thể được giảm thiểu.

Độ bão hòa thường được sử dụng để xác định kích thước mẫu trong nghiên cứu định tính, tuy nhiên, có rất ít hướng dẫn về những yếu tố ảnh hưởng đến độ bão hòa. Chúng tôi đặt mục tiêu đánh giá độ bão hòa và xác định các tham số để ước lượng kích thước mẫu cho các nghiên cứu nhóm tập trung trước khi thu thập dữ liệu. Chúng tôi đã sử dụng hai phương pháp để đánh giá độ bão hòa trong dữ liệu từ 10 cuộc thảo luận nhóm tập trung. Bốn nhóm tập trung là đủ để xác định một loạt vấn đề mới (độ bão hòa mã), nhưng cần nhiều nhóm hơn để hiểu đầy đủ các vấn đề này (độ bão hòa ý nghĩa). Việc phân tầng nhóm ảnh hưởng đến độ bão hòa ý nghĩa, trong đó một nhóm tập trung cho mỗi tầng là cần thiết để xác định các vấn đề; hai nhóm cho mỗi tầng cung cấp một sự hiểu biết toàn diện hơn về các vấn đề, nhưng nhiều nhóm cho mỗi tầng mang lại rất ít lợi ích bổ sung. Chúng tôi xác định sáu tham số ảnh hưởng đến độ bão hòa trong dữ liệu nhóm tập trung: mục đích nghiên cứu, loại mã, phân tầng nhóm, số nhóm trên mỗi tầng, và loại và mức độ bão hòa.