Cancer clinical trial participation: a qualitative study of Black/African American communities’ and patient/survivors’ recommendations
Notice bibliographique
Résumé
BACKGROUND: Black/African Americans experience disproportionate cancer burden and mortality rates. Racial and ethnic variation in cancer burden reflects systemic and health-care inequities, cancer risk factors, and heredity and genomic diversity. Multiple systemic, sociocultural, economic, and individual factors also contribute to disproportionately low Black/African American participation in cancer clinical trials. METHODS: The Participatory Action for Access to Clinical Trials project used a community-based participatory research approach inclusive of Black/African American community-based organizations, Henry Ford Health, and the University of Michigan Urban Research Center. The project aims were to understand Black/African Americans' behavioral intentions to participate in cancer clinical trials and to obtain recommendations for improving participation. Audio-recorded focus group data were transcribed and coded, and searches were conducted to identify themes and subthemes. Representative text was extracted from the transcripts. RESULTS: Six community focus group discussions (70 participants) and 6 Henry Ford Health patient/survivor focus group discussions (29 participants) were completed. General themes related to trial participation were identified, including (1) systemic issues related to racism, health disparities, and trust in government, health systems, and clinical research; (2) firsthand experiences with health care and health systems; (3) perceived and experienced advantages and disadvantages of clinical trial participation; and (4) recruitment procedures and personal decision-making processes. Specific recommendations on how to address barriers were obtained. CONCLUSIONS: Community-based participatory research is effective in bringing communities equitably to the table. To build trust, health systems must provide opportunities for patients and communities to jointly identify factors affecting cancer clinical trial participation, implement recommendations, and address health disparities.
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 | 0,061 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,013 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».