MétaCan
Menu
Retour à la cohorte
Enregistrement W1970626467 · doi:10.1136/ebn.11.3.92

Adolescents learned self-management of arthritis by acquiring knowledge and skills and experiencing understanding from social supportCommentary

2008· letter· en· W1970626467 sur OpenAlexaboutno aff
Yvonne Birks

Notice bibliographique

RevueEvidence-Based Nursing · 2008
Typeletter
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySelf-managementSocial skillsArthritisSocial supportMedical educationKnowledge managementDevelopmental psychologyMedicinePsychotherapistComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

J N Stinson Dr J N Stinson, University of Toronto and Hospital for Sick Children, Toronto, Ontario, Canada; jennifer.stinson@sickkids.ca What are the self-management needs of adolescents with juvenile idiopathic arthritis (JIA) and the acceptability of a web-based self-management programme? Descriptive exploratory qualitative study. 4 rheumatology clinics in paediatric tertiary care centres in Canada. 36 adolescents 12–20 years of age (mean age 15 y, 67% women) who had JIA. Exclusion criteria were major cognitive impairment and comorbid medical or psychiatric illness. Adolescents participated in individual semi-structured interviews lasting 20–40 minutes (n = 25) or focus groups lasting 40–75 minutes (n = 11). Interviews were audiotaped, transcribed verbatim, and analysed for themes using an iterative process. Adolescents developed self-management strategies by “letting go” of parents or care providers who had previously managed their disease. 2 main strategies were acquiring knowledge and skill to manage the disease and experiencing understanding through social support . (1) Acquiring knowledge and skill to manage the disease involved …

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,408
Écart entre enseignants0,292 · 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'étudeQualitatif
Domainenon disponible
GenreCommentaire

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

En bref

Citations4
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-Based NursingMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207