There’s no app for that! perspectives on engaging diverse communities to promote equitable care
Notice bibliographique
Résumé
Engaging patients and communities in the development and evaluation of mHealth applications can optimize useability, user adherence, health outcomes, and transparency of how personal health data is used, stored, and transferred to commercial partners. This commentary is informed by an event that aimed to invite knowledge sharers/users from equity-denied groups to provide feedback about a preliminary set of questions meant to collect socio-structural health determinants information and their potential use within mHealth applications. Three key lessons were learned: (1) challenges of reciprocity, (2) concerns of responsible data stewardship, and (3) processes of building trust for meaningful community engagement. Responding to historical and ongoing injustices is critical for building trust and supporting successful uptake of health technologies with communities. Soliciting feedback from community once decisions about implementation have been made may come across as performative or disingenuous, further undermining possibilities to establish and maintain productive relationships that are mutually beneficial to all parties involved. Without concerted effort to improve access to healthcare resources, progress made with mHealth applications may come at the expense of people and communities already underserved within existing healthcare systems.
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 | 0,045 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,047 |
| Communication savante | 0,018 | 0,030 |
| Science ouverte | 0,006 | 0,020 |
| Intégrité de la recherche | 0,032 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».