Development and preliminary evaluation of the caregiver assistive technology outcome measure
Notice bibliographique
Résumé
INTRODUCTION: Assistive technology is often recommended with the aim of increasing user independence and reducing the burden on informal caregivers. However, until now, there has been no tool to measure the outcomes of this process for caregivers. OBJECTIVES: To describe the development of the Caregiver Assistive Technology Outcome Measure (CATOM), a tool developed to measure the impact of assistive technology interventions on the burden experienced by informal caregivers, and to undertake preliminary evaluation of its psychometric properties. METHODS: Based on an existing conceptual framework, existing measures were reviewed to identify potential items in a preliminary version of the measure. Cognitive interviewing was used to identify items needing clarification. A revised CATOM and manual were then reviewed by clinicians. After revising some items based on the interview findings, the measure was piloted as part of an intervention study examining the impact of assistive technology on the users' informal caregivers (n = 44). RESULTS: Based on a review of 12 existing measures, a 3-part measure was developed and questions were refined based on cognitive interviews with informal caregivers and feedback experienced assistive technology practitioners. For the activity-specific and overall portions of the measure, the 6-week, test-retest intraclass correlations coefficients were 0.88 (95% CI 0.64-0.96) and 0.86 (95% CI 0.60-0.95), respectively. The CATOM data correlated as hypothesized with other measures. CONCLUSION: The CATOM is a promising measure with good content validity and encouraging psychometric properties.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».