MétaCan
Menu
Retour à la cohorte
Enregistrement W1984178780 · doi:10.1044/2015_aja-14-0073

“You Can Lead a Horse to Water …”: Focus Group Perspectives on Initiating and Supporting Hearing Health Change in Older Adults

2015· article· en· W1984178780 sur OpenAlexaff
Heather Victoria Holliday, Lorienne M. Jenstad, Garnet Grosjean, Barbara Purves

Notice bibliographique

RevueAmerican Journal of Audiology · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFocus groupThematic analysisPresentation (obstetrics)PsychologyHearing lossQualitative researchHealth carePeer groupMedicineMedical educationDevelopmental psychologyAudiology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The aim of this study was to use focus group discussions to (a) evaluate the use of an educational presentation as an impetus for hearing health change and (b) investigate hearing health from the perspective of older adults. METHOD: Twenty-seven (4 men, 23 women) community-dwelling older adults attended 4 data collection events. Participants attended a presentation titled Hearing Health in Older Adults, which was delivered by a trained presenter in a peer-teaching-peer format. Following each presentation, a focus group discussion took place. Digital audio recordings, field notes, and memos of the discussions were used to create verbatim transcripts. Data were analyzed using qualitative description and thematic analysis techniques. RESULTS: Five central themes emerged when older adult focus groups discussed the presentation and hearing health change: recognizing and admitting, understanding the options, sharing stories and experiences, barriers and facilitators, and the presentation. CONCLUSION: Facilitators to hearing health change identified by participants include widespread education about hearing health; clarification about roles, professional motivation, and cost in hearing care; and opportunities to learn from and share personal stories with peers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,752
Score d'incertitude au seuil0,294

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,341
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 tête enseignante, pas un consensus.

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

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

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of AudiologyMême sujetHearing Loss and RehabilitationTravaux en français237 207