Improving the diagnosis and treatment of osteoporosis using a senior-friendly peer-led community education and mentoring model: a randomized controlled trial
Notice bibliographique
Résumé
Background: This randomized controlled trial (RCT) evaluated a 6-month peer-led community education and mentorship program to improve the diagnosis and management of osteoporosis. Methods: Ten seniors (74–90 years of age) were trained to become peer educators and mentors and deliver the intervention. In the subsequent RCT, 105 seniors (mean age =80.5±6.9; 89% female) were randomly assigned to the peer-led education and mentorship program (n=53) or control group (n=52). Knowledge was assessed at baseline and 6 months. Success was defined as discussing osteoporosis risk with their family physician, obtaining a bone mineral density assessment, and returning to review their risk profile and receive advice and/or treatment. Results: Knowledge of osteoporosis did not change significantly. There was no difference in knowledge change between the two groups (mean difference =1.3, 95% confidence interval [CI] of difference −0.76 to 3.36). More participants in the intervention group achieved a successful outcome (odds ratio 0.16, 95% CI 0.06–0.42, P <0.001). Conclusion: Peer-led education and mentorship can promote positive health behavior in seniors. This model was effective for improving osteoporosis risk assessment, diagnosis, and treatment in a community setting. Keywords: prevention, seniors, mentor, bone mineral density, capacity building, community knowledge translation
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».