MétaCan
Menu
Retour à la cohorte
Enregistrement W2012803463 · doi:10.1111/j.1525-1446.2006.00591.x

Partial Examination of the Public Health Impact of the People with Arthritis Can Exercise (PACE<sup>®</sup>) Program: Reach, Adoption, and Maintenance

2006· article· en· W2012803463 sur OpenAlexaff
Nancy C. Gyurcsik, Danielle R. Brittain

Notice bibliographique

RevuePublic Health Nursing · 2006
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPacePublic healthPhoneMedicineMedical educationPsychologyGerontologyNursingGeography

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To partially evaluate the public health impact (i.e., reach, adoption, maintenance) of People with Arthritis Can Exercise (PACE) programs, which were initiated as a result of two PACE instructor-training workshops. DESIGN: The study design involved a one-time only, cross-sectional assessment of reach, adoption, and maintenance, conducted 6 months after the workshops. SAMPLE: Participants were 11 adults (n(females)=10) trained to be PACE instructors at one of the workshops. MEASUREMENTS: One-on-one phone interviews, developed using the RE-AIM framework, assessed reach, adoption, and maintenance. RESULTS: Eight of the 11 individuals trained as instructors subsequently began PACE in one of 10 organizations across various communities, indicating high program adoption. However, on average, only 7 individuals with arthritis participated in each PACE program, indicating a low program reach. Within 6 months of beginning PACE, only 3 organizations continued to offer PACE, indicating low program maintenance. Two primary challenges to initiating PACE included recruiting a sufficient number of people to participate in the program and in finding a convenient time to offer it so more individuals could join. CONCLUSION: The public health impact, as assessed by reach, adoption, and maintenance, of PACE programs initiated as a result of 2 instructor-training workshops was low.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,317
Écart entre enseignants0,283 · 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'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

Citations22
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health NursingMême sujetPhysical Activity and HealthTravaux en français237 207