Community Input for Addressing Dementia Health Disparities: Richmond Brain Health Initiative
Notice bibliographique
Résumé
BACKGROUND: The development of the Richmond Brain Health Initiative (RBHI) was guided by the need to address local brain health service gaps to improve Alzheimer's/Dementia health disparities in racially diverse communities. This paper describes the establishment of RBHI through 1) community and provider stakeholder input and 2) community brain health screening/intake development and testing. METHODS: Phase 1 involved provider and community stakeholder questionnaires to gather feedback as part of the Plan-Do-Study-Act cycle. Subsequently, stakeholder findings directed the RBHI structure and screening/intake registration testing in the community. RESULTS: Based on the stakeholder responses from fifteen providers and twenty community members, there was strong consensus in the need for local brain health services. The most highly recommended screening needs were for caregiving, cognitive status, and lifestyle risks. Thereafter the RBHI screening/intake was developed and completed by 45 community participants. Participants showed hypertension (62%) as the most prevalent brain health risk factor, followed by depression/anxiety (56%), and loneliness (44%). The intake also indicated cognitive and functional deficits, with the Montreal Cognitive mean equaling 18.4 and the Functional Activities mean equaling 14.9. Additionally, 73% of participants reported experiencing subjective cognitive decline. CONCLUSIONS: This study showcases a model for promoting brain health in racially diverse communities to improve access to Alzheimer's disease and related dementia resources and services.
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 | 0,018 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».