Better Health Durham: Community Engagement in a Cluster RCT of a Prevention Practitioner Intervention in Low-Income Neighbourhoods
Notice bibliographique
Résumé
Background: The Building on Existing Tools to Improve Chronic Disease Prevention and Screening (BETTER) intervention has improved uptake of chronic disease prevention and screening activities in primary care. The BETTER intervention consists of 1:1 visits between prevention practitioners (PPs) and patients (40-65 years). It is unknown if an adapted BETTER could be effective in the community with public health nurses as PPs. Aim: The presentation objective is to describe community engagement strategies in a cluster RCT in low income neighborhoods with low cancer screening rates and low uptake of primary care. Methods: Principles of community-based participatory research were used to design the community engagement strategy in Durham region, Ontario. Key elements included close collaboration with public health partners to identify stakeholders and creating a community advisory committee (CAC) and a primary care engagement group to provide advice. Results: We identified 15 community stakeholder groups (∼47 subgroups) including service organizations, faith groups, and charitable organizations representing diverse constituents. Community outreach activities included in-person meetings and information displays at local events. The CAC is comprised of members of the public and representatives from primary care, social services, and community organizations. The CAC and primary care engagement groups have provided advice on trial recruitment strategies and on the design of the PP visit. Conclusion: The partnership between public health, primary care, and the study team has been crucial to connect with community stakeholders. Community engagement is essential in raising awareness about the study and will contribute to successful recruitment. Trial Registration: NCT03052959
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».