Early CER Strategies to Recruit Black 80+ year olds in the SuperAging Research Initiative
Notice bibliographique
Résumé
Abstract Background Community engaged research (CER) has been critical for increasing diversity in Alzheimer’s studies. However, the effectiveness of CER for engaging a diverse population of ‘SuperAgers,’ has been largely unstudied. SuperAgers are individuals age 80+ with superior episodic memory. The multi‐site SuperAging Research Initiative (SRI) seeks to recruit at least 500 SuperAgers and similarly aged controls, including 40% who identify as Black. This report summarizes initial CER strategies, implementation of new strategies, and enrollment success across the first ∼18 months. Method Semi‐structured interviews were conducted at each site to assess current CER strategies and perceptions of facilitators/barriers to CER approaches. Interviews were transcribed and concept mapping was used to identify key themes across sites. Key themes are reported here along with recruitment outcomes across the sites over the first ∼18 months. Initial responsive actions are described. Result SRI sites were selected based on their historical success engaging and recruiting Black older adults in cognitive aging research; however, identification and recruitment of SuperAgers was new for most sites. Results revealed strong current community engagement practices across sites. Emergent themes included prioritizing diverse staff, barriers to CER, strengths of the multi‐site design, the value of research to participants. Sites also implemented several CER strategies including building/enhancing community partnerships, providing community presentations, and engaging community members and enrolled participants in feedback sessions related to recruitment methods. Responsive actions of the SRI included development of participant informed culturally tailored recruitment flyers, videos, and photos, which incorporated site‐level feedback. Holiday‐themed appreciation gifts were provided to enrolled participants. Initial enrollment included 173 participants (mean age: 86.6 years). Diverse recruitment across sites ranged from 0‐27%. Diverse recruitment increased over the second half of the year, potentially suggesting early success with CER strategies. Conclusion Initial recruitment reflects a starting point for the enrollment of Black SuperAgers and Controls. Future plans involve implementing additional study‐wide CER recruitment methods, utilizing online registries as a recruitment source, and establishing ambassador boards to boost SRI enrollment of older Black adults. Strategy success will be carefully quantified, and outcomes will be shared for future research use.
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 | 0,038 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».