Understanding Patient Perspectives of Self-Care in the Management of Chronic Disease
Notice bibliographique
Résumé
This workshop will provide participants with an understanding of how appreciative inquiry based methods can help us learn from patient experience, develop self-care plans and identify the roles of various support groups within those plans, and develop a framework for chronic disease management which is based on lessons learnt from patient experience.Understanding patient experience with and perspectives on what supports on-going self care to manage chronic disease is critical to a whole person approach to chronic disease care. While the individual’s experience of chronic disease self-management may vary from individual to individual, our recent work demonstrates that appreciative enquiry is an effective tool for understanding the key support structures for effective management of self-care. This work also points to appreciative inquiry as an effective tool for patients and care-givers in developing approaches to individual self-care plans.After a brief presentation of our recent findings, workshop participants will have an opportunity to use a modified appreciative inquiry approach to consider aspects of chronic disease care and particularly to discuss those factors that support chronic disease management. Appreciative Inquiry, as a positive form of narrative inquiry will elicit stories that make these supportive factors more concretely visible and comprehensible. Workshop participants will also be provided with a brief overview of thematic analysis as a way of identifying common themes in the appreciative inquiry data and developing a model of self-care support.
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 | 0,031 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».