Engaging older adults in the process of aging research: a multimethod study evaluating the experience and efficacy of a citizen advisory group for a dementia risk reduction program
Notice bibliographique
Résumé
BACKGROUND: Collaborative research with end-users is an effective way to generate meaningful research applications and support greater impact on practice and knowledge exchange. To address these needs, a Citizen Advisory Group (CAG) of nine older adults (ages 64-80, 67% women) was formed to advise scientists on the development of Brain Health PRO (BHPro), a web-based platform designed to increase dementia prevention literacy and awareness. The current study evaluated if the CAG met its objectives, how inclusion of the CAG aligned with collaborative research approaches, and the CAG's experience and satisfaction throughout the development process. METHODS: An anonymous online survey was administered to the CAG members and 30 scientist/trainee authors of the BHPro chapters. The CAG also participated in an online focus group. RESULTS: Most CAG members and chapter authors agreed that the CAG met its primary objectives and added unique value to BHPro. Both groups viewed the CAG's involvement as well-aligned with engaged scholarship, co-production, integrated knowledge translation, and, to a lesser extent, participatory research practices. CAG members reported high satisfaction with personal goal attainment, which included learning, collaborating with others, and making a meaningful impact. Content analyses of the focus group revealed three categories: 1) personal benefits related to learning, connection, and feeling valued, 2) value of a masked peer-review process, and 3) an accessible final product. CONCLUSIONS: Findings suggest that collaborating with end-users in the process of aging research confers personal and scientific benefits for both older adults and researchers.
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 | 0,068 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».