MétaCan
Menu
← Retour à la cohorte
Enregistrement W2792960550 · doi:10.24095/hpcdp.38.3.04f

Le projet HANS KAÏ : une approche communautaire visant à améliorer la santé et le bien-être grâce au soutien par les pairs

2018· article· fr· W2792960550 sur OpenAlexaffvenueabout
Alexandra Henteleff, Helena Wall

Notice bibliographique

RevuePromotion de la santé et prévention des maladies chroniques au Canada · 2018
Typearticle
Languefr
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Introduction Le modèle HANS KAÏ est une intervention de promotion de la santé originale qui vise à améliorer la santé des participants en ciblant les comportements interdépendants de prévention des maladies chroniques grâce au soutien par les pairs et au renforcement des réseaux de soutien social. L'objectif de notre étude était de mesurer l’efficacité du modèle HANS KAÏ en contexte urbain canadien. Méthodologie Nous avons utilisé un modèle de recherche interventionnelle à méthodes mixtes appliqué à plusieurs sites entre novembre 2010 et avril 2015. Les données ont été recueillies au moyen de sondages auprès des participants et d’entrevues en personne au début de l'étude puis à 6, 12 et 24 mois. Les participants se sont réunis en groupes au moins une fois par mois durant la période de recherche afin de surveiller eux-mêmes leurs indicateurs de santé, de préparer et de partager une collation saine, de participer à une activité physique, d’établir un objectif en matière de mode de vie sain (facultatif) et d'avoir une activité de convivialité. Résultats Des améliorations statistiquement significatives de la santé mentale ont été constatées avant et après le programme, et 66 % des participants ont fait état de changements de comportement précis résultant de la participation au projet HANS. D’autres effets positifs sur la santé ont été constatés : un soutien par les pairs, l’acquisition de connaissances précises en matière de santé, l’inspiration, la motivation et la prise de responsabilité, l’autonomisation découlant du suivi de ses propres indicateurs de santé, la possibilité de rompre l’isolement social et enfin une meilleure connaissance de la façon d'avoir accès aux services. Conclusion C'est la nécessité de trouver des moyens innovants pour favoriser la prévention et la gestion des maladies chroniques qui a motivé la mise en oeuvre et l’évaluation du modèle HANS KAÏ. Bien que d’autres recherches soient nécessaires pour valider nos résultats, il semble que le modèle HANS KAÏ puisse être efficace pour créer un contexte permettant à la population locale de s’entraider en favorisant des choix de vie sains et en détectant de façon précoce les changements d’état de santé.

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)0,047
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,048
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0070,007
Science ouverte0,0040,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0240,005

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 Opus0,079
Tête enseignante GPT0,460
Écart entre enseignants0,381 · 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'étudeObservationnel
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
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePromotion de la santé et prévention des maladies chroniques au Canada→Même sujetHealth Policy Implementation Science→Travaux en français237 207→