Subject Matter Expert Insights for Engaging Underrepresented Older Adults with Disabilities in Research
Notice bibliographique
Résumé
Abstract The population of older Americans is increasingly diverse. To keep pace with this demographic shift and advance gerontological research, it is critical that research samples reflect this diversity, so findings are generalizable and representative. However, there are barriers to engaging individuals from underrepresented racial/ethnic groups, such as a mistrust of government institutions, historical precedence of unethical research, language barriers, and logistical challenges that often impede participation. There are some general recommendations for expanding diversity of research samples and overcoming these barriers, but there is a need to understand more about best practices for older adults with disabilities, which is a population that can be especially challenging to reach. We interviewed Subject Matter Experts (SMEs) who had direct experience (professional or personal) engaging older adults and/or people with disabilities from underrepresented racial/ethnic groups (e.g., Black/African American, Asian American, Hispanic/Latino American, and Native American). Participants (N = 13) included researchers, clinicians, and advocacy group leaders. The SMEs shared insights on effective strategies for recruitment, outreach, study design, and knowledge dissemination. Their recommendations had key themes including establishing reciprocal community partnerships, involving community members on the research team, offering flexible ways to participate, and carefully considering terminology when referring to disability, race, and ethnicity. These interviews with SMEs provided important insights and actionable solutions to improve the diversity and inclusivity of research samples. Ensuring that participant samples reflect the range of persons who will use a product, technology, intervention, or community program will contribute to successful implementation, ultimately improving quality of life for older adults.
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 | 0,083 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,009 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».