mixed methods

reference

Merging Qualitative and Quantitative Data in Mixed Methods
Research: How To and Why Not(Driscoll, 2007)

分類(Driscoll, 2007)

一種質性的數據優於另一種形式

收集數據的時間(同時或有先後順序)

1.Concurrent Design 並行設計

  1. Sequential Design順序設計

1.容易收集廣泛的數據2.特定主題的結構化問題會再接一個開放式問句讓參與者可以廣泛的評論 3.但也排除了參與者有興趣或困惑的議題的深入了解 4.完全依賴受訪者是否跟進此議題提供資訊

1.先收集廣泛的數據，再做in-depth review 2.可以f/u令人困惑或重要的回答 3.簡化了後續嘗試將深入訪談中收集的編碼質性數據與調查數據相結合的過程。4.主要缺點是為每個關鍵參與者設計和實施單獨的訪談工具花不少時間。5.與並行設計相比，結構化和非結構化之間缺乏明顯的聯結和呼應。

data analysis(Driscoll, 2007)

質性分析

質性資料收集可以計算定性代碼出現的次數(內容分析?)，缺點是會被固定在某個概念和主題上

列舉了質性資料中是否包括某些特定的主題或代碼，他不是計算代碼的次數或頻率，而是為了瞭解該代碼存不存在

優點

增強和解釋複雜且矛盾的量性結果(如回答兩極化時) ，他強調了在量性工具審查過程中納入標準的分歧

優點

在接續收集資料時，可提供有關突發和意外主題的重要訊息。如各機構對於疫苗指引的可讀性和實用性有差異，就可以用open question來找尋答案。若沒有結構化和非結構化數據的結合，一些重要的意見差異會被遺漏

缺點

1.質性數據量化時會發生概念的深度和靈活性的損失,降低對大量主題的關聯性和洞察，無法辨識新的主題和見解 2.量化的主題在收集資料前是固定的，他無法隨著新的見解而任意修改主題。3.要能清楚界定概
念的屬性和面向，只能透過完整的質性研究

2.量性數據有共線性的問題，這會和一開始的編碼策略相互關聯 2.收集和分析質性數據的需要會迫使研究者減少樣本量，這會限制其他可合理使用的統計方法(如卡方分布)

結論

缺點：和並行設計有類似的缺點

在探索複雜的研究問題時，混合方法設計可以提供實用的優勢。質性數據可以深入了解調查響應，而統計分析可以提供對響應模式的詳細評估。然而，通過量化質性數據來結合質性和調查數據的分析過程可能既耗時又昂貴，因此可能會導致研究人員在預算或時間緊張的情況下工作，以減少樣本量或限制訪談時間。最終，這些設計似乎最適合不需要對質性數據進行廣泛深入的分析或對定量數據進行多變量分析的研究。

Purposeful Sampling for Qualitative Data Collection and Analysis in Mixed Method Implementation Research(Palinkas, 2015)

mixed method的抽樣(Palinkas, 2015)

質性方法用於探索和深入了解實施 EBP 成功或失敗的原因或確定促進實施的策略，而量性方法用於基於現有概念模型測試和確認假設和獲得對成功實施預測因素的廣泛理解(Palinkas, 2015)

在mixed method中量性收集的抽樣通常具體且清楚，但是質性資料的抽樣就不太容易定義

正如 Morse 和 Niehaus (2009) 所觀察到的，無論採用的方法是量性的還是質性的，取樣方法都旨在最大限度地提高效率和有效性。

質性方法主要強調飽和度（即通過繼續採樣直到沒有獲得新的實質性信息來獲得全面的理解）（Miles 和 Huberman 1994）。量性方法主要強調普遍性（即確保獲得的知識代表抽取樣本的總體）。

質性方法通常依賴於根據提議的分析類型確定參與者數量的先例（例如，在現象學研究中多次採訪了 3-6 名參與者，而 20- 30 名參與者在紮根理論研究中接受了一次或兩次採訪）、所需的詳細程度以及強調同質性（需要較小的樣本）與異質性（需要較大的樣本）

purposeful sampling

1.for最大變異性

2.for同質性

選擇具有最大變異的案例，以記錄在適應不同條件時出現的獨特或多樣化變異，並確定跨越變異的重要共同模式

減少變異，簡化分析，便於小組訪談。

一些策略（例如，最大變異取樣、極端情況取樣、強度取樣和目的的隨機取樣）用於識別和擴大變異或差異的範圍

其他策略（例如，同質取樣、典型案例取樣、標準取樣和滾雪球取樣）用於縮小變化範圍並關注相似性。

3.mix同質性和變異性

挑戰和困難

某些策略，如分層目的取樣(stratified purposeful sampling)或機會取樣或緊急取樣，旨在實現上述的這兩個目標。目的是捕捉主要變化，而不是確定一個共同的核心，儘管後者也可能出現在分析中。

在研究開始時，通常並不真正知道要從中獲取目的樣本的樣本的變異範圍。

飽和度可能是基於現有理論或概念框架先驗確定的，或者它可能來自數據本身

Mixed Method Designs in Implementation Research(Palikas, 2011)

Palinkas(2011)的分類

七種方法

五種功能

三種步驟

1.質性到量性：量性和質性數據的順序收集和分析，從質性數據開始，主要目的是探索/假設生成

2.質性到量性：量性和質性數據的順序收集和分析，從質性數據開始，主要目的是確認/假設檢驗

3.量性到質性：量性和質性數據的順序收集和分析，從量性數據開始，主要目的是探索/假設生成

4.量性到質性：量性和質性數據的順序收集和分析，從量性數據開始，主要目的是確認/假設檢驗

5.質性加量性：同時收集和分析量性和質性數據，主要用於確認/假設檢驗confirmation/hypothesis testing

7.質性加量性：同時收集和分析量性和質性數據，賦予兩種類型的數據同等的權重

6.質性加量性：同時收集和分析量性和質性數據，主要用於**探索/假設生成exploration/hypothesis generation

收斂Convergence
使用兩種類型的方法來回答同一問題，或者通過比較結果以查看它們是否得出相同的結論（三角測量）或通過將數據集從一種類型轉換為另一種類型（例如量化質性數據或限定量性數據）

互補性Complementarity
使用每組方法來回答相關問題或一系列問題以進行評估（例如，使用量性數據來評估結果，使用質性數據來評估過程）或闡述（例如，使用質性數據來提供深度理解和量性數據）提供廣泛的理解）

擴張Expansion
用一種方法回答另一種方法提出的問題（例如，用質性數據集解釋量性數據集的分析結果）

發展development
使用一種方法來回答問題，從而能夠使用另一種方​​法來回答其他問題（例如，制定數據收集措施、概念模型或乾預措施）

取樣sampling
使用一種方法來定義或識別參與者樣本，以收集和分析代表另一種方法的數據（例如，根據調查問卷的答複選擇訪談信息提供者）

合併merge
通過實際將兩個數據集組合在一起來合併或收斂兩個數據集（例如，收斂——三角測量以使用另一種類型的數據集驗證一個數據集）

連接connect
讓一個數據集建立在另一個數據集上（例如，互補性——細化、轉換、擴展、啟動或採樣）

嵌入embed
在另一項研究中進行一項研究，以便一種類型的數據為其他數據集提供支持（例如，互補性-評估：嵌入在實施結果 RCT 中的實施過程的定性研究）

選擇個案的前提是假設他們擁有感興趣的現象的知識和經驗（即 EBP 的實施），因此將能夠提供詳細（深度）和可概括（廣度）的信息。在某種程度上，他們被假定為該角色的“代表”，儘管實施研究很少解釋僅選擇部分而不是全部可用角色代表的基本原理

為了擴展或解釋結果或開發新措施或概念模型而解決相關問題的混合方法可能需要有目的的取樣策略，以相似性為目標，補充以變異或分散為目標的概率取樣。用於質性分析的狹義有目的的取樣策略“補充”用於量性分析的更廣泛的重點概率樣本，可能有助於在提高推理質量/可信度quality/trustworthiness（內部有效性）和普遍性/可轉移性generalizability/transferability（外部有效性）之間實現平衡。只關注廣泛觀點的單一方法可能會以犧牲外部有效性為代價降低內部有效性（Kemper 等，2003）。

一些質性方法學家建議在對同質性（深度）進行採樣之前對變異（廣度）進行採樣（Glaser 1978；Bernard 2002）（多階段 I）。也稱為“漏斗法”，在進行半結構化訪談 (Spradley 1979) 或焦點小組 (Morgan 1997) 時，通常推薦使用這種策略。這種方法從對主題的廣泛觀點開始，然後繼續將對話縮小到主題的非常具體的組成部分。

多階段目的取樣策略

stage 1:漏斗法funnel approach

stage 2:迭代方法iterative approach

stage 3:機會/緊急方法opportunistic/emergent approach

強調變異性→強調同質性

強調變性性(若stage1強調同質性)或同質性(若stage1強調變異性)→強調同質性

強調變異性或同質性→強調變異性或同質性→強調同質性

可能會更優先考慮變異和比較，以了解實施過程或背景的參數，作為對了解有效性結果的貢獻（即，使用質性數據來擴展或解釋結果有效性試驗）

可能會優先考慮相似性和深度，以僅了解成功結果的核心特徵。

總結

1.主要建議研究人員清楚地描述他們的取樣策略並提供策略的基本原理

1.遵守取樣七原則：(1) 取樣策略應該從概念框架以及研究解決的研究問題中合乎邏輯地產生； (2) 樣本應該能夠生成關於所研究現像類型的完整數據庫； (3)樣本至少應允許從數據中得出明確的推論和可信的解釋； (4) 取樣策略必須合乎道德； (5)取樣方案應可行； (6) 取樣計劃應允許研究人員將研究結論轉移/推廣到其他環境或人群； (7) 取樣方案應盡可能有效。

3.實施研究領域本身處於一個階段，質性方法主要旨在探索 EBP 實施的障礙和促進因素，並開發實施過程和結果的新概念模型。有目的取樣的多階段策略應首先從更廣泛的視角開始，重點是變異或分散，然後轉向強調相似性或中心趨勢的狹窄視角。

4.如果我們假設概率取樣將是大多數實施研究的量性組成部分的首選策略，那麼單階段或多階段有目的的取樣策略的選擇應部分基於它與概率樣本的關係，無論是為了回答相同問題的目的（在這種情況下，首選強調變化和分散的策略）或回答相關問題（在這種情況下，首選強調相似性和集中趨勢的策略）

5.所有取樣程序，無論是有目的的還是概率的，都旨在捕捉相似性similarity和差異性differences、中心性centrality和分散性dispersion的元素，因為這兩個元素對於通過過程產生新知識的任務都是必不可少的比較和對比。

6.最後還應該記住，量性數據可以從有目的的取樣策略(purposeful sampling strategy)中生成，而質性數據可以從概率取樣策略(probability sampling strategy)中生成。每組數據都適合特定目標，並且每組數據都必須遵守一組特定的假設和要求。

案例

用RCT評估姑息和支持性照護(palliative and supportive care)可否減輕老人慢性病的症狀，經濟評估使用成本效益方法，和用質性訪談確認老人對介入措施的看法(Evans, 2021) DOI： 10.1016/j.ijnurstu.2021.103978

一項研究發現短期生活回顧(short term life review )措施可以有效提升老人的心理健康，方法為sequential mixed method(先RCT再質性訪談)(Kwan, 2019) DOI: 10.1016/j.ijnurstu.2018.12.007

加上護士主導的免疫治療決策對於多發性硬化症病人來說，可以有效提升病人知情選擇、參與率和醫病諮詢。RCT分組，73病人量性問卷→所有護理師+9個案質性訪談(Rahn, 2018)DOI: 10.1016/j.ijnurstu.2017.08.011

用智能手機和APP刺激病患(COPD or DM)加強身體活動，用cluster RCT分組。先對護理師半結構式訪談了解介入措施內容，介入措施後，向患者和護理師收集滿意度和順從性問卷，以及APP資料的量性分析(Verwey, 2015)DOI: 10.1016/j.ijnurstu.2015.10.008

top1: International Journal of Nursing Research
top2: European Journal of Cardiovascular Nursing

The use of triangulation in qualitative research(Carter, 2014)

三角測量triangulation

method triangulation

investigator triangulation

theory triangulation

data source triangulation

方法三角測量涉及對同一現象使用多種數據收集方法（Polit & Beck，2012）。這種類型的三角測量常用於定性研究，可能包括訪談、觀察和實地記錄。

研究者三角測量涉及兩名或更多研究人員參與同一研究以提供多個觀察結果和結論,它可以帶來對發現的確認和不同的觀點，為感興趣的現象增加廣度（Denzin，1978）

理論三角測量使用不同的理論來分析和解釋數據。通過這種三角測量，不同的理論或假設可以幫助研究人員支持或反駁研究結果

數據源三角測量涉及從不同類型的人（包括個人、群體、家庭和社區）收集數據，以獲得數據的多視角和驗證。

IDI(in-depth interview)訪談，從結構化和受控到非結構化和流動性，可以獲取有關個人經歷和觀點的豐富信息

FG 從一組參與者那裡獲取數據，這些參與者可以聽到彼此的回應，並提供他們可能沒有單獨發表的其他評論。參與者的互動可以激發對同一主題的各種觀點的識別和分享，這是他們成功的核心。

FGs 與 IDI 訪談的不同之處在於 FGs 中“參與者之間動態和互動的交流”導致他們產生“多個故事和不同的體驗”

IDI 訪談參與者更有可能討論敏感話題並激發對不同話題的討論。

trigangulation優點：(a) 比較數據導致迭代過程，由此更深入地探索現象，(b) 組合數據導致對現象背景的更好理解，以及 (c) ) 數據的融合增強了調查結果的可信度。