Engagement of older adults with multimorbidity as patient research partners: Lessons from a patient-oriented research program
Notice bibliographique
Résumé
BACKGROUND: Patient "engagement" in health research broadly refers to including people with lived experience in the research process. Although previous reviews have systematically summarized approaches to engaging older adults and their caregivers in health research, there is currently little guidance on how to meaningfully engage older adults with multimorbidity as research partners. OBJECTIVES: This paper describes the lessons learned from a patient-oriented research program, the Aging, Community and Health Research Unit (ACHRU), on how to engage older adults with multimorbidity as research partners. Over the past 7-years, over 40 older adults from across Canada have been involved in 17 ACHRU projects as patient research partners. METHODS: We developed this list of lessons learned through iterative consensus building with ACHRU researchers and patient partners. We then met to collectively identify and summarize the reported successes, challenges and lessons learned from the experience of engaging older adults with multimorbidity as research partners. RESULTS: ACHRU researchers reported engaging older adult partners across many phases of the research process. Five challenges and lessons learned were identified: 1) actively finding patient partners who reflect the diversity of older adults with multimorbidity, 2) developing strong working relationships with patient partners, 3) providing education and support for both patient partners and researchers, 4) using flexible approaches for engaging patients, and 5) securing adequate resources to enable meaningful engagement. CONCLUSION: The lessons learned through this work may provide guidance to researchers on how to facilitate meaningful engagement of this vulnerable and understudied subgroup in the patient engagement literature.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».