Spinal Cord Injury Community Survey: Understanding the Needs of Canadians with SCI
Notice bibliographique
Résumé
BACKGROUND: There is a lack of literature regarding service needs of people with SCI living in the community. Better assessment of expressed and met and unmet needs would help in the development of effective service delivery. OBJECTIVE: From a national SCI Community Survey in Canada, the aim was to identify the most critical service needs of people living in the community at least 1 year post discharge from rehabilitation and the support they received to meet their needs. METHOD: Data were collected mainly through a secure Web site and encompassed demographics, personal and household income, an SCI severity measure, and an SCI community needs measure containing information on 13 SCI-related needs. RESULTS: A total of 1,549 persons with SCI (traumatic lesion, n = 1,137; nontraumatic lesion, n = 412) across Canada completed the survey. Most critical needs for community integration were expressed by a substantial proportion of survey participants, but significantly more expressed and met needs were reported by persons with a traumatic than a nontraumatic lesion. Personal and environmental characteristics influenced the probability of expressing and meeting needs (eg, severity of injury and household income). Help and support to meet expressed needs were received from government agencies, community organizations, and friends or family. CONCLUSION: Better assessment of expressed and met or unmet needs for services remains a challenge but will serve as a tool to optimize service delivery in the community. Environmental barriers to services, particularly the process of getting needs met and associated costs, remain an issue that requires a reconsideration of some aspects of access to services.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».