MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390202001 · doi:10.1002/alz.077807

Perceived efficacy, feasibility, and implementation of community engaged research practices in the multi‐site SuperAging Research Initiative

2023· article· en· W4390202001 sur OpenAlexaff
Annalise Rahman‐Filipiak, Amanda Cook Maher, Ozioma C. Okonkwo, Gabriella Amador, Samantha Bradley, Fatima Eldes, Janessa Engelmeyer, Elizabeth Finger, Felicia C. Goldstein, Nicole Hunt, Sarah Lose, William E. McIlroy, Darby Morhardt, Alexis R Nelson, Karen Van Ooteghem, J. B. Orange, Monica W. Parker, Angela Roberts, Phyllis Timpo, Antoine R Trammell, Sandra Weıntraub, Emily Rogalskı

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of WaterlooWestern University
Organismes subventionnairesnon disponible
Mots-clésPublicationPerceptionPsychologyMedical educationPublic relationsMedicinePolitical scienceAdvertisingBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Background Studies demonstrate that community engaged research (CER) supports minority recruitment into Alzheimer’s disease studies. In contrast, few studies have explored whether CER can engage diverse ‘SuperAgers,’ adults age 80+ with superior episodic memory. Within the multi‐site SuperAging Research Initiative, which seeks to recruit 40% Black/African American adults, we assessed current CER strategies, study team perceptions of CER feasibility and effectiveness, and barriers to implementing or sustaining CER. Method The five SuperAging sites completed a literature‐informed survey on current CER practices and the perceived feasibility and effectiveness of ten potential strategies. Results All sites (100%) have a dedicated CER study team/member, while most (80%) have an ethnoracially representative study team. Responses indicated strong partnerships with community advisors (80%) and organizations (100%), with these techniques rated as highly feasible and effective. Eighty percent of sites provide community education events and find this strategy feasible and effective. In contrast, few sites (40%) publish a newsletter, with variable impressions of its effectiveness and feasibility and lack of expertise creating an implementation barrier. Despite strong perceptions of feasibility and effectiveness, only one site tailors recruitment materials for specific communities due to concerns about expertise and cost. Social media is rarely used as a source of advertising (40%); several sites questioned the feasibility and effectiveness of this technique for SuperAgers, and cited expertise and time as a barrier. Finally, though several sites (60%) see participants during evening hours, few provide early morning (40%) or weekend (20%) appointments, and only one (20%) completes study activities off‐site. Perceived feasibility of these methods was hampered by personnel and time. Conclusion SuperAging sites implement a broad range of CER techniques to increase Black/African American representation in the sample. Responses highlighted the perceived importance of diverse study teams with dedicated time for CER and bidirectional communication with the community. Respondents saw flexible study sites/schedules and tailored recruitment materials as highly effective but difficult to accomplish, making them possible targets for future study planning. While personnel, expertise, and finances represent consistent challenges, sites are universally invested in CER. These data will inform future implementation and evaluation of recruitment science of a diverse SuperAging population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,093
score de la tête « metaresearch » (Gemma)0,108
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,907
Score d'incertitude au seuil0,493

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0930,108
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0050,003
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,918
Tête enseignante GPT0,743
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetHealth Policy Implementation Science→Travaux en français237 207→