Increasing Referral of At-Risk Travelers to Travel Health Clinics: Evaluation of a Health Promotion Intervention Targeted to Travel Agents
Notice bibliographique
Résumé
BACKGROUND: Increases in travel-related illness require new partnerships to ensure travelers are prepared for health risks abroad. The travel agent is one such partner and efforts to encourage travel agents to refer at-risk travelers to travel health clinics may help in reducing travel-attributable morbidity. METHODS: A health promotion intervention encouraging travel agents to refer at-risk travelers to travel health clinics was evaluated. Information on the knowledge, attitudes, and behaviors of travel agents before and after the intervention was compared using two self-administered questionnaires. The Wilcoxon signed rank test was used to compare the mean difference in overall scores to evaluate the overall impact of the intervention and also subscores for each of the behavioral construct groupings (attitudes, barriers, intent, and subjective norms). Multiple regression techniques were used to evaluate which travel agent characteristics were independently associated with a stronger effect of the intervention. RESULTS: A small improvement in travel agents overall attitudes and beliefs (p =.03) was found, in particular their intention to refer (p =.01). Sixty-five percent of travel agents self-reported an increase in referral behavior; owners or managers of the agency were significantly more likely to do so than other travel agents (OR = 7.25; 95% CI: 1.64 32.06). Older travel agents, those that worked longer hours and those with some past referral experience, had significantly higher post-intervention scores. CONCLUSIONS: Travel agents can be willing partners in referral, and agencies should be encouraged to develop specific referral policies. Future research may be directed toward investigating the role of health education in certification curricula, the effectiveness of different types of health promotion interventions, including Internet-facilitated interventions, and the direct impact that such interventions would have on travelers attending travel health clinics.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».