Strategies to reduce language barriers in clinical research: A national survey of pediatric health researchers
Notice bibliographique
Résumé
Objectives To evaluate pediatric health researchers’ access to language services, identify barriers to including participants with limited-English proficiency (LEP), and assess the perceived importance of their inclusion and the availability of institutional support. Methods A cross-sectional survey study was conducted with pediatric health researchers across Canada. Those who conduct child health research and communicate directly with study participants through verbal and/or written communication were invited to participate. Results We received 146 responses to the survey. A key barrier to including participants with LEP was insufficient funding for language services. Only 25.3% of survey respondents reported having access to free interpretation services for research purposes through their institution, and just 16.4% had access to free translation services. Despite 91.5% of researchers acknowledging the importance of including participants with LEP, 72.6% admitted to excluding them at least some of the time. Additionally, 42.5% fail to provide accommodations for participants with LEP in their research. Time was also a major barrier to including participants with LEP in research as 48.6% of participants identified it as one of their top barriers in addition to costs of language services. Conclusions This study underscores the gap between researchers' recognition of the importance of including participants with LEP and their practices. Cost and time are major barriers, highlighting the need to improve access to language services and resources. Future research should focus on strategies to bridge this gap and promote equitable inclusion of participants with LEP.
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 | 0,367 | 0,552 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,013 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».