“It's Just Good Science”: A Qualitative Study Exploring Equity, Diversity, and Inclusion in Canadian Arthritis Research
Notice bibliographique
Résumé
OBJECTIVE: Despite knowledge that health outcomes vary according to patient characteristics, identity, and geography, including underrepresented populations in arthritis research remains a challenge. We conducted interviews to explore how researchers in arthritis have used equity, diversity, and inclusion (EDI) principles to inform their research. METHODS: Semistructured interviews were conducted with individuals who 1) have experience conducting arthritis research studies, 2) reside in and/or conduct their research in Canada, and 3) speak English or French. Participants were recruited using purposive and respondent-driven sampling. Interviews were conducted over video call and audio recordings were transcribed. Template analysis was applied to interview transcripts to explore participant experiences and perceptions of EDI in arthritis research. RESULTS: Participants (n = 22) identified that a lack of representation in arthritis research translates to the inability to provide comprehensive care. Participants emphasized considering EDI early in all arthritis research to effectively affect a study. Themes were categorized as benefits, barriers, and facilitators. The perceived benefits were the ability to generate knowledge and reduce health disparities. Barriers included mistrust from historically exploited populations, unintended consequences, lack of access to research opportunities, and logistical challenges. Facilitators included building community partnerships, curating diverse research teams, incentivizing researchers and funder support, and fostering humility in research environments. CONCLUSION: Improving representation in research is needed to improve health outcomes for diverse groups of people living with arthritis. Identified barriers to EDI in research must be addressed and partnerships and supports must be facilitated to achieve more representation in arthritis research within Canada.
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 | 0,037 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,044 | 0,023 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,004 | 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 ».