MétaCan
Menu
Retour à la cohorte
Enregistrement W2597059722

Opposition and opportunity: Reported challenges and changes to practice within the context of the exercise is medicine canada initiative

2016· article· en· W2597059722 sur OpenAlexaffabout
Myles W. O’Brien, Christopher Shields, Susan Yungblut, Jonathon R. Fowles

Notice bibliographique

RevueJournal of Exercise, Movement, and Sport (SCAPPS refereed abstracts repository) · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensCanadian Society for Exercise PhysiologyAcadia University
Organismes subventionnairesnon disponible
Mots-clésMedicineContext (archaeology)Health careMedical educationFamily medicinePsychologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Exercise is Medicine Canada (EIMC) is a national initiative aimed at increasing the number of health care providers (HCPs) assessing, counseling and prescribing exercise as part of routine health care visits. The purpose of this paper is to examine HCP's biggest perceived challenges in promoting exercise, how they intended to overcome these challenges, and to determine whether physicians followed through on proposed changes to their practice following an EIMC training workshop. As part of a larger EIMC evaluation, data from 181 HCPs (52% physicians) was drawn from questionnaires administered at training workshops. This data generated 249 challenge-statements and 75 statements about how HCPs planned to overcome these challenges. The most common challenges reported were patients' lack of interest (28% of total responses), lack of time (18%) and HCPs' lack of knowledge (12%). To overcome these challenges, HCPs reported that they would discuss exercise with more patients (55%), and increase use of exercise-related resources (32%). Data from 47 physicians generated 93 statements regarding proposed changes to practice immediately following the workshop. Primary responses included actively prescribe specific exercises (27%) and discuss in more depth (26%). At follow-up 2-3 months later, 88 statements were generated, with 46% reflective of at least one of the proposed changes, and 40% reflecting changes that were different than originally proposed. These findings suggest that despite challenges HCPs are looking to overcome these hurdles, and that the changes made reflect both the training received, as well as ways in which physicians are managing their clinical reality.Acknowledgments: Supported by the Lawson Foundation

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)0,010
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0030,001
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,102
Tête enseignante GPT0,372
Écart entre enseignants0,271 · 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'étudeQualitatif
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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Exercise, Movement, and Sport (SCAPPS refereed abstracts repository)Même sujetHealth Sciences Research and EducationTravaux en français237 207