Utilizing RE-AIM to scope potential for feasible immigrant cancer literacy education
Notice bibliographique
Résumé
Disparities in cancer incidence and mortality exist between settled and newly-arrived immigrant communities in immigrant-nations, such as Australia, Canada and USA. This may be due to differences in the uptake of cancer prevention behaviours and services for early detection, and cultural, language or literacy barriers impacting understanding of mainstream health messages. Blending cancer-literacy with immigrant English language education presents a promising means to reach new immigrants attending language programs. Guided by the RE-AIM framework for translational research, this study explored the feasibility and translation potential of this approach within the Australian context. Focus groups and interviews (N = 22) were held with English-as-a-Second-Language (ESL) teachers and immigrant resource-centre personnel. Thematic Framework Analysis, driven by RE-AIM, identified potential barriers to Reach for immigrants, Adoption by teachers, Implementation into immigrant-language programs and long-term curriculum Maintenance. Responses further highlighted that an Efficacious ESL cancer-literacy resource could be facilitated by developing flexible, culturally-sensitive content to cater for multiple cultures. Interviewees also raised the importance of developing the resource according to national curricula-frameworks, different language levels, and incorporating varied communicative activities and media. This study therefore offers insight into potential barriers and facilitators to developing a resource feasible for inclusion in existing immigrant-language programs, and achieving reach to multiple communities.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».