ENGAGING URBAN AND RURAL SENIORS AS RESEARCH PARTNERS TO IMPROVE CHRONIC DISEASE MANAGEMENT
Notice bibliographique
Résumé
Osteoarthritis is a chronic disease that affects 50% of people over the age of 65. There is no cure, but there are evidence-based strategies that can reduce the burden of this disease. The challenge lies in conveying and implementing those strategies in the target population, community-dwelling seniors in both urban and rural centers, particularly given the decreased availability of physicians, health services, and community programs in rural centers. In this qualitative study, we directly engage seniors in identifying barriers and facilitators to daily osteoarthritis management. We use hermeneutic phenomenology to explore their lived experiences. Purposeful sampling was used to recruit urban-community-dwelling seniors (N=11) and rural-community-dwelling seniors (N=9) with confirmed osteoarthritis in Ontario, Canada. Interviews were guided using three open-ended questions: 1) Where do you get information related to osteoarthritis? 2) How do you manage your osteoarthritis pain? 3) What can be done to improve osteoarthritis management for seniors? Interviews were transcribed verbatim and coded using NVivo® Pro 11 by two independent researchers. Strikingly, despite the differences between urban and rural centers, highly similar themes relating to osteoarthritis management emerged from the data from both urban- and rural-dwelling seniors. Three central themes were identified: psychological impact, personalized approach, and physician reliance. For rural-dwelling seniors, an additional theme of resource accessibility was identified. This study highlights the importance of capturing stakeholder-identified areas for improvement in chronic disease management.
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 | 0,015 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».