Recruitment and engagement of non‐English speaking participants in dementia research: Lessons from a pragmatic trial of dementia screening in primary care
Notice bibliographique
Résumé
BACKGROUND: To ensure new dementia research findings and treatments benefit all populations, researchers must include non-English-speaking patients in studies. However, in the U.S., these populations are often excluded due to the increased complexity created for research teams. This study describes challenges and learnings related to recruitment and engagement with non-English speakers in a clinical cognitive assessment study. METHOD: The electronic health record Risk of Alzheimer's and Dementia Assessment Rule (eRADAR) trial is a pragmatic randomized controlled trial using an electronic health record (EHR)-based algorithm to identify older adults at high risk of undiagnosed dementia and invite them to participate in a brain health assessment visit (BHV). Recruitment at one site included Chinese (Cantonese and Mandarin) and Spanish speakers alongside English speakers. We followed evidence-based approaches to language translation, recruitment, and engagement of non-English speakers in clinical research, including consultation with bilingual patient advisors. Research staff documented detailed comments about recruitment calls and BHVs in a tracking database. When enrollment was complete, three research staff reviewed all tracking comments (n = 574 participants) for language relevance and iteratively developed key themes in consultation with the larger research team. Supporting examples were summarized for each theme in a coding memo. RESULT: The team identified language-relevant tracking comments for 83 participants: developing four recruitment outreach themes with six sub-themes and three BHV-specific themes (Table). Discrepancies between the EHR-documented language and participants' preferred language impacted recruitment. For some participants, hearing and cognitive difficulties compounded the communication challenges across a language barrier. Care partners were crucial to recruitment, and we frequently needed to work with them to reach participants, which was not always successful. During BHVs, complexities arose from differences in care partner and participant language fluency, participant bilingualism, and selecting the appropriate version of the cognitive screening tool (Montreal Cognitive Assessment [MoCA]). CONCLUSION: In the eRADAR study, we followed evidence-based approaches to inclusion of non-English speakers in research and still uncovered important areas that required additional attention to the language needs of participants and their care partners. Other researchers should anticipate similar challenges and implement robust strategies to ensure inclusive and equitable participation in dementia studies.
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 | 0,600 | 0,620 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,007 | 0,016 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».