Community-Based Culturally Tailored Education Programs for Black Communities with Cardiovascular Disease, Diabetes, Hypertension, and Stroke: Systematic Review Findings
Notice bibliographique
Résumé
BACKGROUND: Community-based culturally tailored education (CBCTE) programs for chronic diseases may reduce health disparities; however, a synthesis across chronic diseases is lacking. We explored (1) the characteristics and outcomes of CBCTE programs and (2) which strategies for culturally appropriate interventions have been used in CBCTE programs, and how they have been implemented. METHODS: A systematic review was conducted by searching three databases to identify empirical full-text literature on CBCTE programs for Black communities with cardiovascular disease, hypertension, diabetes, or stroke. Studies were screened in duplicate, then data regarding study characteristics, participants, intervention, and outcomes were extracted and analyzed. Cultural tailoring strategies within programs were categorized using Kreuter and colleagues' framework. RESULTS: Of the 74 studies, most were conducted in the USA (97%) and delivered in one site (53%; e.g., church/home). CBCTE programs targeted diabetes (65%), hypertension (30%), diabetes and hypertension (1%), cardiovascular disease (3%), and stroke (1%). Reported program benefits included physiological, medication-related, physical activity, and literacy. Cultural tailoring strategies included peripheral (targeted Black communities), constituent-involving (e.g., community informed), evidential (e.g., integrated community resources), linguistic (e.g., delivered in community's dialect/accent), and sociocultural (e.g., integrated community members' religious practices). CONCLUSIONS: CBCTE programs may have beneficial outcomes, but a small sample size limited several. The strategies identified can be adopted by programs seeking to culturally tailor. Future interventions should clearly describe community members' roles/involvement and deliver programs in multiple locations to broaden reach. TRIAL REGISTRATION: PROSPERO CRD42021245772.
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 | 0,008 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».