Raising Awareness through Public and Media Relations; Is it Marketing or Education?
Notice bibliographique
Résumé
Background of Problem: Analysis of pancreas transplant awareness and referral patterns indicated that only a fraction of the dialysis centres and endocrinologists were referring patients for K/P transplantation. As a result, many patients who would benefit from K/P or pancreas transplantation were not offered this opportunity. A lack of knowledge among nephrologists and endocrinologists about the progress in pancreas transplantation and subsequent success rates inhibited patient referral. Patients with type 1 diabetes, even those on dialysis, were either unaware of transplant options available to them - or believed that a transplant may make them worse. Goals of Project: The goal of the campaign was to raise awareness of pancreas transplantation. We sought to enhance the quality of patient care by improving communication with referring centres and through public education using social and conventional media tools. Interventions: Our program embarked on a campaign targeting 3 levels, physicians, dialysis nursing staff and patients. Our key components included a new brand identity using posters,/brochures, an e-blast targeting physicians and new templates for the program. Using social media such as twitter, blogging, Facebook and YouTube we sought to educate patients regarding options. Lunch and learn sessions were held in dialysis units to encourage advocacy for potential patients. Outcomes: To date the media campaign has produced an increase in referrals to our program by over 400% over a 6 month period. Our campaign has been highly successful and has significantly improved our communications with patients and referring centres. To maintain this success we have designed a long-term strategy to promote awareness for pancreas transplantation and to establish ourselves as a leading pancreas transplant centre.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 ».