Barriers and strategies for recruiting participants who identify as racial minorities in musculoskeletal health research: a scoping review
Notice bibliographique
Résumé
Objective: Visible minorities are disproportionately affected by musculoskeletal disorders (MSD) and other diseases; yet are largely underrepresented in health research. The purpose of this scoping review was to identify barriers and strategies associated with increasing recruitment of visible minorities in MSD research. Methods: Electronic databases (MEDLINE, EMBASE, CINAHL, and PsycInfo) were searched. Search strategies used terms related to the concepts of 'race/ethnicity', 'participation', 'research' and 'musculoskeletal'. All research designs were included. Two reviewers independently screened titles and abstracts, completed full-text reviews, and extracted data. Papers that did not focus on musculoskeletal research, include racial minorities, or focus on participation in research were excluded. Study characteristics (study location, design and methods; sample characteristics (size, age, sex and race); MSD of interest) as well as barriers and strategies to increasing participation of visible minorities in MSD research were extracted from each article and summarized in a table format. Results: Of the 4,282 articles identified, 28 met inclusion criteria and were included. The majority were conducted in the United States (27 articles). Of the included studies, the groups of visible minorities represented were Black (25 articles), Hispanic (14 articles), Asian (6 articles), Indigenous (3 articles), Middle Eastern (1 article), and Multiracial (1 article). The most commonly cited barriers to research participation were mistrust, logistical barriers (e.g., transportation, inaccessible study location, financial constraints), and lack of awareness or understanding of research. Strategies for increasing diversity were ensuring benefit of participants, recruiting through sites serving the community of interest, and addressing logistical barriers. Conclusion: Understanding the importance of diversity in MSD research, collaborating with communities of visible minorities, and addressing logistical barriers may be effective in reducing barriers to the participation of visible minorities in health research. This review presents strategies to aid researchers in increasing inclusion in MSD-related research.
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 | 0,095 | 0,293 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,022 | 0,019 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».