People getting a grip on arthritis: A knowledge transfer strategy to empower patients with rheumatoid arthritis and osteoarthritis
Notice bibliographique
Résumé
Objective: The purpose of this study was twofold. First, to help people with arthritis become aware of and utilize Rheumatoid Arthritis (RA) and Osteoarthritis (OA) Clinical Practice Guidelines (CPGs) as they relate to self-management strategies. Second, to evaluate the impact of specific Knowledge Translation (KT) activities on CPG uptake. More specifically, investigators were interested in: (1) participant acquisition of knowledge, skills, and self-efficacy regarding the uptake of CPGs; (2) participant intention and actual use of CPGs; (3) whether participants trained to become educators shared new CPG knowledge with other people who have RA or OA; and (4) the effect of press media in promoting CPGs to the general public. Methods: Workshop 1 (WS1) was delivered by a multidisciplinary faculty. Selected participants from WS1 were then trained to become educators of pertinent CPGs and deliver the same content to a second group of patients in Workshop 2 (WS2). Questionnaires to measure the four aforementioned interests in KT were administered pre- and post- workshop as well as three months post-workshop. Results: Acquisition of new knowledge by workshop participants ( n = 49) was found for Transcutaneous Electrical Nerve Stimulation (TENS), Tai Chi, and insoles and footwear, although not for weight management, aerobic walking, and strengthening exercises. Immediately post-workshop, participants in WS1 ( M = 7.96, SD = 1.89) and WS2 ( M = 7.16, SD = 1.46) had comparatively similar self-efficacy levels regarding symptom management. No statistically-significant changes were found for online general public participants. Conclusion: An intensive evidence-based educational programme focused on training CPG educators appears to be an effective method of KT for patients with RA and OA. Similar KT activities would be employed again but with greater attention to use of media strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».