Need for Culturally Competent and Responsive Cancer Education for African Immigrant Families and Youth Living in the United States
Notice bibliographique
Résumé
Cancer prevalence data for Black Americans is monolithic and fails to consider the diverse cultures and backgrounds within that community. For instance, African immigrants constitute a meaningful proportion of the foreign-born Black immigrants in the United States (42%), but the prevalence of cancer in the African immigrant community itself is unknown. Therefore, without accurate cancer prevalence data, it is impossible to identify trends and other key factors that are needed to support the health of African immigrants and their children. Moreover, it is impossible to understand how the culture and language of subgroups influence their cancer-related health behavior. While research in this area is limited, the existing literature articulates the need for culturally responsive and culturally tailored cancer education for African immigrants and their adolescent children, which is what we advocate for in this viewpoint paper. Existing projects demonstrate the feasibility of culturally responsive programming for adults; however, few projects include or focus on adolescents or children born to African immigrants. To best meet the needs of this understudied community, researchers must use culturally competent interventions alongside familiar, usable media. For adolescents, technology is ubiquitous thus, the creation of a culturally tailored digital intervention has immense potential to improve cancer awareness and prevention for youth and their community. More research is needed to address many of the existing research gaps and develop a rich understanding of the unique experience of cancer among African immigrant families that can be used to inform intervention development. Through this viewpoint, we review the current state of cancer-related research among African immigrant families in the United States. In this paper, we acknowledge the current knowledge gaps and issues surrounding measurement and then discuss the factors relevant to designing an educational intervention targeted at African immigrants and the role of African immigrant youth.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».