National Dissemination of Multiple Evidence-Based Disease Prevention Programs: Reach to Vulnerable Older Adults
Notice bibliographique
Résumé
Older adults, who are racial/ethnic minorities, report multiple chronic conditions, reside in medically underserved rural areas, or have low incomes carry a high burden of chronic illness but traditionally lack access to disease prevention programs. The Chronic Disease Self-Management Program (CDSMP), A Matter of Balance/Volunteer Lay Leader (AMOB/VLL), and EnhanceFitness (EF) are widely disseminated evidence-based programs (EBP), but the extent to which they are simultaneously delivered in communities to reach vulnerable populations has not been documented. We conducted cross-sectional analyses of three EBP disseminated within 27 states throughout the United States (US) (2006-2009) as part of the Administration on Aging (AoA) Evidence-Based Disease and Disability Prevention Initiative, which received co-funding from the Atlantic Philanthropies. This study measures the extent to which CDSMP, AMOB/VLL, and EF reached vulnerable older adults. It also examines characteristics of communities offering one of these programs relative to those simultaneously offering two or all three programs. Minority/ethnic participants represented 38% for CDSMP, 26% for AMOB/VLL, and 43% for EF. Rural participation was 18% for CDSMP, 17% for AMOB/VLL, and 25% for EF. Those with comorbidities included 63.2% for CDSMP, 58.7% for AMOB/VLL, and 63.6% for EF while approximately one-quarter of participants had incomes under $15,000 for all programs. Rural areas and health professional shortage areas (HPSA) tended to deliver fewer EBP relative to urban areas and non-HPSA. These EBP attract diverse older adult participants. Findings highlight the capability of communities to serve potentially vulnerable older adults by offering multiple EBP. Because each program addresses unique issues facing this older population, further research is needed to better understand how communities can introduce, embed, and sustain multiple EBP to ensure widespread access and utilization, especially to traditionally underserved subgroups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».