MétaCan
Menu
Retour à la cohorte
Enregistrement W2015571606 · doi:10.1097/nxn.0b013e3182812d69

SOULAGE-TAVIE

2013· article· en· W2015571606 sur OpenAlexafffund
Géraldine Martorella, José Côté, Manon Choinière

Notice bibliographique

RevueCIN Computers Informatics Nursing · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de MontréalCanadian Institutes of Health Research
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésOperationalizationPersonalizationContext (archaeology)MedicineIntervention (counseling)Session (web analytics)Patient educationPhysical therapyHealth careMedical physicsMedical educationNursingComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This article is the report of the development and validation of a tailored Web-based intervention for postoperative pain self-management in adults who underwent cardiac surgery. The development of SOULAGE-TAVIE included four main phases: (1) identification of a clinical problem, (2) outline design, (3) clinical operationalization, and (4) production. The validation of the intervention's feasibility and acceptability was made through pilot testing with 30 patients expecting cardiac surgery over 4 months in 2010. SOULAGE-TAVIE consists of a 30-minute computer-tailored preoperative educational session about postoperative pain management. Activities and information were tailored according to a predetermined profile. Two short reinforcements were provided in person postoperatively. Ninety-six percent of participants agreed that the strategies proposed responded to their needs. An iterative process among various sources of knowledge gave place to an innovative approach to preoperative education. Pilot testing provided preliminary support for the acceptability and feasibility of a tailored Web-based intervention. Patient empowerment is complementary yet crucial in the current context of care and may contribute to improved pain relief. The use of information technologies can increase personalization and accessibility to health education in a complex environment of care.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,017
Tête enseignante GPT0,316
Écart entre enseignants0,299 · 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
GenreAutre

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

En bref

Citations19
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCIN Computers Informatics NursingMême sujetCardiac Health and Mental HealthTravaux en français237 207