Stroke Preparedness in Children: Translating Knowledge into Behavioral Intent: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: If translated into behavioral intent, improving stroke knowledge may potentially impact on better outcomes. Children are an attractive target population since they can drive familial behavioral changes. However, the impact of interventions on stroke knowledge among children is unclear. We performed a systematic review and meta-analysis to investigate whether educational interventions targeting children improve stroke knowledge and lead to behavioral changes. METHODS: We searched Ovid, PubMed, and Embase between January 2000 and December 2014. We included studies written in English reporting the number of children aged 6-15 years undergoing educational interventions on stroke and providing the results for baseline and early and late postintervention tests. We compared the proportion of correct answers between baseline, early, and late responses for two endpoints: knowledge and behavioral intent. RESULTS: Of the initial 58 articles found, we included nine that met the inclusion criteria. Compared with baseline tests (51·7%, 95% confidence interval 40·9-62·4), there was improvement in stroke knowledge in early (74·0%, 95% confidence interval 64·4-82·5, P = 0·002) and late (67·3%, 95% confidence interval 55·4-78·2, P = 0·027) responses. There was improvement in the early (92·1%, 95% confidence interval 86·0-96·6, P < 0·001) and late (83·9%, 95% confidence interval 73·5-92·1, P = 0·001) responses for behavioral intent compared with the baseline assessment (63·8%, 95% confidence interval 53·5-73·4). CONCLUSION: Children are a potentially attractive target population for improvement in stroke knowledge and behavioral intent, both in the short and long term. Our findings may support the implementation of large-scale stroke educational initiatives targeting children.
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 | 0,020 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,037 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».