Listening with a narrative ear: Insights from a study of fall stories in older adults.
Notice bibliographique
Résumé
OBJECTIVE: To determine the value of adding a patient narrative to the clinical assessment of falls in the elderly. DESIGN: Qualitative study of interviews. SETTING: A fall prevention clinic in Calgary, Alta. PARTICIPANTS: Fifteen older adults on a wait list for assessment by the fall clinic and the physiotherapists who assessed them. METHODS: Participants' stories were audiorecorded and later transcribed and summarized. Stories were collected using open-ended questions, first inviting participants to tell the interviewer about themselves, and then the circumstances of their falls and their reflections on them. In a subsequent visit, transcriptions or summaries were returned to patients for member checking. Narratives were read and analyzed by all 4 investigators using a narrative approach and a close-reading technique. With the patients' additional consent, stories were shared with the fall prevention team for their insights and reactions. Interviews with physiotherapists were audiorecorded and transcribed. MAIN FINDINGS: The narrative analysis provided new insights into the attitudes about and perceptions of the causes of falls, their effects, and rehabilitation. Close reading exposed presentation of self, locus of control, and underlying social and emotional issues. CONCLUSION: The addition of patient narratives to clinical assessments offers clinicians an understanding of patients' perspectives, which can be used to better engage patients in rehabilitation.
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 | 0,014 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».