MétaCan
Menu
Retour à la cohorte
Enregistrement W2120110883 · doi:10.1071/py03037

Participation and chronic disease self-management: Are we risking inequitable resource allocation?

2003· article· en· W2120110883 sur OpenAlexaboutno aff
Michele Foster, Elizabeth Kendall, Paul Dickson, Wendy Chaboyer, Beth Hunter, Travis Gee

Notice bibliographique

RevueAustralian Journal of Primary Health · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulation healthGovernment (linguistics)EmpowermentMedicineSelf-managementHealth economicsHealth carePublic healthHealth promotionIndigenousCharterCommunity healthGerontologyNursingEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

The Ottawa Charter for Health Promotion supported the empowerment of individuals to participate in their health care and have control over their health. For older adults with chronic conditions, the Chronic Disease Self-Management Program has been widely adopted as an adjunct to existing healthcare options. A growing body of literature has supported the positive impact of self-management programs on outcomes for people with a range of chronic conditions. However, evidence also suggests that participation in these programs is biased. This paper draws on pilot data to describe the profile of those people who inquire, enrol, attend, and complete CDSM courses in Queensland, Australia. As expected, there was evidence that males, Indigenous people, people of non-English speaking background, and those with multiple responsibilities were less likely to participate. Most importantly, participation was affected by a self-selection bias associated with health status. Those who were either unwell or well at the time of the course were unlikely to attend, minimising the preventative value of the CDSM program. Further, CDSM evaluation studies are likely to be inherently flawed and the distribution of health resources can become inequitable.

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)0,019
score de la tête « metaresearch » (Gemma)0,077
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,077
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,010
Communication savante0,0060,012
Science ouverte0,0020,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,039
Tête enseignante GPT0,329
Écart entre enseignants0,290 · 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'étudeThéorique ou conceptuel
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

Citations24
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Primary HealthMême sujetDiabetes Management and EducationTravaux en français237 207