Approaches to Community Engagement That Optimize the Reach and Utility of Health Education Campaigns in Newcomer Communities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Linguistic and cultural factors are significant barriers to health education for newcomers, defined for this report as people who recently arrived to the United States as refugees, asylees, immigrants, migrants, and others in need of international protection. However, many newcomers are in a good position to influence health education strategies. The National Resource Center for Refugees, Immigrants and Migrants (NRC-RIM) developed campaigns using both community-informed and community co-design approaches in order to optimize their reach and utility. A community-informed approach allows organizations to create linguistically and culturally relevant health education materials relatively quickly on a large scale to meet communities' needs. The six steps included (1) Listen, (2) Write, (3) Design, (4) Translate, (5) Validate, and (6) Scale. A community co-design approach leverages the wisdom and experience of community leaders to create hyperlocal campaigns that are rooted in community values. The three steps included (1) Inspiration, (2) Ideation, and (3) Implementation. A mixed-methods evaluation showed a complementary approach to be effective in promoting informed decision-making and health-seeking behavior among newcomers. The findings underscore the crucial need for culturally relevant communications created in genuine partnership with communities, and suggest that by investing time and resources to this process, organizations can be well-positioned to address health inequities among newcomers.
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.
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 | 0,036 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle