MétaCan
Menu
Retour à la cohorte
Enregistrement W1941275262 · doi:10.1111/nin.12004

Problematizing health coaching for chronic illness self‐management

2012· review· en· W1941275262 sur OpenAlexaff
Lisa Howard, Christine Ceci

Notice bibliographique

RevueNursing Inquiry · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensUniversity of AlbertaUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésCoachingSelf-managementHealth careNursingConstraint (computer-aided design)Chronic careHealth coachingGovernment (linguistics)PsychologySociology of health and illnessMedicineChronic diseaseFamily medicinePolitical sciencePsychotherapist

Résumé

récupéré en direct d'OpenAlex

To address the growing costs associated with chronic illness care, many countries, both developed and developing, identify increased patient self-management or self-care as a focus of healthcare reform. Health coaching, an implementation strategy to support the shift to self-management, encourages patients to make lifestyle changes to improve the management of chronic illness. This practice differs from traditional models of health education because of the interactional dynamics between nurse and patient, and an orientation to care that ostensibly centres and empowers patients. The theoretical underpinnings of coaching reflect these differences, however in its application, the practices arranged around health coaching for chronic illness self-management reveal the social regulation and professional management of everyday life. This becomes especially problematic in contexts defined by economic constraint and government withdrawal from activities related to the 'care' of citizens. In this paper, we trace the development of health coaching as part of nursing practice and consider the implications of this practice as an emerging element of chronic illness self-management. Our purpose is to highlight health coaching as an approach intended to support patients with chronic illness and at the same time, problematize the tensions contained in (and by) this practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,428
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing InquiryMême sujetDiabetes Management and EducationTravaux en français237 207