CHALLENGES AND OPPORTUNITIES IN RECRUITING DIVERSE OLDER ADULTS WHO ARE FRAIL FROM THE MAPS-B STUDY
Notice bibliographique
Résumé
Abstract Including diverse individuals at the research and participant levels are essential to improve the effectiveness of real-world interventions; however, there are challenges when including such individuals. Our study purpose was to report the challenges of recruiting diverse older adults for the Mapping Sedentary Behaviour study. Our methods were guided by Step 1 (“Establish Partnerships”) in the Knowledge-to-Action-Ethics Framework. We assembled a diverse team of eleven researchers, clinicians, and patient partners. To recruit a broad group of participants, we partnered with City Housing Hamilton, which provides subsidized housing for older adults. We met with the organization’s partnership development advisor who organized two recruitment orientations; 80 potential participants and returning attendees were present for both sessions. The organization provided coffee and donuts. Most attendees were from visible minorities and had visible disabilities (i.e., used a walker or cane). To build rapport, we met with attendees in groups of 5 to 6 to introduce the research team and explain the study. We recruited 13 participants (seven female, one transgender man; Morley FRAIL score≥3). Before their scheduled study visit, twelve participants dropped out citing medical mistrust (i.e., fearing unintentional medical tracking). The last participant dropped out after the initial study visit due to their family’s skepticism in research. Additionally, some individuals may have enrolled for financial incentives as they were interested in receiving immediate monetary compensation. We faced challenges when recruiting frail older adults from diverse backgrounds. Future studies should focus on developing methods to target medical mistrust with older adults and their families.
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 | 0,132 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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; 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 ».