The continuous process of making research inclusive: Examples offered from the small steps for big changes diabetes prevention program
Notice bibliographique
Résumé
Small Steps for Big Changes is an evidence-based diabetes prevention program which is being implemented in the community in partnership with the YMCA in British Columbia, Canada. It was designed to be a sustainable and accessible community program. While Small Steps for Big Changes has been shown to be effective in helping individuals with prediabetes to reduce their risk of developing T2D, there is room for improvement in making the program more inclusive to everyone, especially those at increased risk for T2D due to systemic factors. The purpose of this presentation is to describe the steps taken within Small Steps for Big Changes (SSBC) to improve equitable access and inclusivity within the program. The changes made within SSBC can be used as examples for making other community health programs more inclusive. Changes include, but are not limited to: budget-friendly food and exercise recommendations, involving stakeholders in decision-making, offering a virtual program option, training coaches in cultural safety and inclusivity, increasing the diversity of people shown in promotional materials, expanding inclusion criteria, and making measurements more inclusive and safe. In addition to outlining and justifying changes made to Small Steps for Big Changes, this presentation also provides actionable recommendations for other researchers to incorporate into their own health programs to promote inclusivity and ensure that they reach those most affected by health inequities.
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 | 0,056 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».