从网络招聘获得的样本中提高数据完整性:在多种物质使用的远程纵向队列研究中开发一种用于评估参与者真实性的新系统的协议

科学领域:

• 公共卫生 公共卫生
• 研究方法研究方法研究方法学
• 数据完整性 数据完整性

背景情况:

• 由于效率和可访问性,远程参与者招聘在人类研究中越来越普遍.
• 远程参与者的身份验证带来了可能损害数据完整性和有效性的挑战.
• 这对于涉及敏感人群的纵向队列研究尤其重要,例如报告使用多种物质的成年人.

研究的目的:

• 为了解决在远程参与者招募的真实性问题,进行纵向多重物质使用研究.
• 开发和实施一个新的参与者真实性检查系统,以最大限度地提高数据完整性.
• 尽量减少参与的额外障碍,同时确保参与者的真实性.

主要方法:

• 参与者通过基于网络的广告和其他方式被招募为纵向队列研究.
• 对在线招募的参与者实施了五步主动身份验证协议.
• 该协议包括兴趣表格重复审查,注意力检查,个人信息验证,口头身份确认和一致报告审查.

主要成果:

• 在2598个活跃的真实性检查中,有178个 (6.85%) 失败,导致119个独特的参与者被排除在外.
• 个人信息验证是检查失败的最常见原因 (56.2%).
• 排斥者占通过基于网络的广告识别的潜在参与者的11.13%.

结论:

• 开发的系统增强了对远程招募参与者的真实性的信心.
• 它避免引入像照片身份证或视频验证这样的障碍,这可能会导致样本偏差,特别是在边缘化人口中.
• 这种方法支持在远程研究环境中强大的数据完整性.