MétaCan
Menu
Retour à la cohorte
Enregistrement W2117174849 · doi:10.1111/j.1365-2788.2012.01626.x

Health self‐advocacy training for persons with intellectual disabilities

2012· article· en· W2117174849 sur OpenAlexafffund
Maurice A. Feldman, Frances Owen, Amy Andrews, Jeffery P. Hamelin, Rachel Barber, Dorothy M. Griffiths

Notice bibliographique

RevueJournal of Intellectual Disability Research · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueDown syndrome and intellectual disability research
Établissements canadiensCommunity Living Welland PelhamBrock University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRedressContext (archaeology)Intellectual disabilityPsychologyHealth careNursingMedical educationGerontologyMedicinePsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: People with intellectual disabilities (ID) have unequal access to health care. While systemic efforts are addressing health inequalities, there remains a need to demonstrate that persons with ID can increase their health self-advocacy skills. METHOD: A randomised control design with up to 6-month follow-up was used to evaluate the 3Rs (Rights, Respect and Responsibility) health self-advocacy training program for persons with ID (n = 31). Training involved teaching participants to recognise and redress health rights violations in the context of respect and responsibility. Training materials included PowerPoint slides and interactive video scenarios illustrating health rights, respect and responsibility problem and non-problems. Two-hour training sessions were conducted twice a week in a group format where participants played a game and answered questions. RESULTS: The health rights training group made significantly more correct responses on post training and follow-up tests than the control group. Training effects generalised to untrained scenarios and in situ health interviews. CONCLUSIONS: The results of this study suggest that persons with ID can learn complex skills related to health self-advocacy. More research is needed to improve in situ generalisation.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,257
Tête enseignante GPT0,460
Écart entre enseignants0,203 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations44
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Intellectual Disability ResearchMême sujetDown syndrome and intellectual disability researchTravaux en français237 207