Using Concept Mapping to Develop a Strategy for Self-Management Support for Underserved Populations Living With Chronic Conditions, British Columbia, August 2013–June 2014
Notice bibliographique
Résumé
INTRODUCTION: Self-management support (SMS) is an essential component of public health approaches to chronic conditions. Given increasing concerns about health equity, the needs of diverse populations must be considered. This study examined potential solutions for addressing the gaps in self-management support initiatives for underserved populations. METHODS: Stakeholders representing government, nongovernment organizations, Aboriginal communities, health authorities, medical practices, and research institutions generated, sorted, and rated ideas on what could be done to improve self-management support for underserved populations. Concept mapping was used to facilitate the collection and organization of the data and to generate conceptual maps. RESULTS: Participants generated 92 ideas that were sorted into 11 clusters (foster partnerships, promote integrated community care, enhance health care provider training, shift government policy, support community development, increase community education, enable client engagement, incorporate client support systems, recognize client capacity, tailor self-management support programs, and develop client skills, training, and tools) and grouped into system, community, and individual levels within a partnership framework. CONCLUSION: The strategy can stimulate public health dialogue and be a roadmap for developing SMS initiatives. It has the potential to address SMS and chronic condition inequities in underserved populations in several ways: 1) by targeting populations that have greater inequities, 2) by advocating for shifts in government policies that create and perpetuate inequities, 3) by promoting partnerships that may increase the number of SMS initiatives for underserved groups, and 4) by promoting training and engagement that increase the relevance, uptake, and overall effectiveness of SMS.
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 | 0,009 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 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 ».