Democratizing Participant Engagement of Marginalized Communities in Chronic Pain Research: Crafting a Way Forward
Notice bibliographique
Résumé
Increasingly, the value of meaningful collaboration with people with lived experiences of inequities is being recognized by researchers and funding bodies; we refer to this as Participant Engagement (ParE). There is currently no universally accepted framework for ParE and collaboration often excludes structurally marginalized populations despite the prevalence of chronic disease in these communities. This presentation aims to identify how we can draw on critical social science approaches to modify conceptualizations of engagement to better reflect the needs and knowledge of those living with chronic pain who have been marginalized by structural oppression and shift our focus from individuals to communities. The multi-disciplinary speakers of this symposium, who are senior, mid-career, and trainee researchers, will call attention to how the quality of chronic pain research can be enhanced and contribute to social and health equity in policy and care. Our team are members of a national Partnership supported by the Social Science and Humanities Research Council (SSHRC) in Canada to explore this issue (PEPR). We will discuss how a meaningful shift in conceptualization and practice yields a potential to reframe how certain conditions/diseases are normatively understood, thereby leading to the democratization of research and health for the benefit of people living with chronic pain and marginalization. Participants will be offered an opportunity to build their knowledge and critical thinking through a sustained and sequential focus on various aspects of this topic: equity, diversity, and inclusion as applied to ParE; a historical and sociological overview of patient engagement; the need to revise existing methodologies; and expanding notions of “who counts”.
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 | 0,301 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,034 | 0,101 |
| Communication savante | 0,039 | 0,062 |
| Science ouverte | 0,007 | 0,082 |
| Intégrité de la recherche | 0,016 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».