Improving Vietnamese Immigrants’ Cognitive Health Literacy: University-Community Partnerships
Notice bibliographique
Résumé
Abstract After the fall of Saigon in 1975, waves of Vietnamese refugees/immigrants migrated to the United States (U.S.). Currently, 2.3 million Vietnamese live in the U.S. Many came with adverse conditions; however, their health data is scarce. After 50 years, many are aged and may have unmet health needs. To fill this gap, we developed the Vietnamese Aging and Care Survey and collected their health data in Houston, Texas, which revealed a high prevalence of physical, mental, and cognitive disabilities. Using the university-community partnerships, we developed a linguistically and culturally tailored dementia one-pager, formed the Cognitive Health Initiative (CHAIN), and offered Vietnamese refugees/immigrants complimentary memory tests. This study explains how the CHAIN program operates and fosters intergenerational relationships. Using the Cultural Exchange Model, we trained bilingual/bicultural Vietnamese college students (Cohort 1) and conducted cognitive assessments, Vietnamese Montreal Cognitive Assessment (V-MoCA), in 2023. In 2024, when Cohort 2 students joined, we formed mentor (Cohort 1)-mentee (Cohort 2) dyads. Cohort 1 demonstrated the assessment while Cohort 2 observed their mentors perform assessments. After several demonstrations, Cohort 2 tried the assessments supervised by Cohort 1. They repeated this sequence until Cohort 2 felt comfortable conducting the assessments independently. During 2023-2024, we recruited 42 students, attended 24 health fairs, and offered 406 V-MoCA. Mentors (Cohort 1) completed training their mentees (Cohort 2) with tips for conducting the V-MoCA and how to work with older adults. Through the mentor-mentee relationships, the CHAIN promoted teamwork, accountability, ethics, and responsibility to the community, and demonstrated successful university-community partnerships.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».