Implementing a function-based cognitive strategy intervention within inter-professional stroke rehabilitation teams: Changes in provider knowledge, self-efficacy and practice
Notice bibliographique
Résumé
BACKGROUND: The Cognitive Orientation to daily Occupational Performance (CO-OP) approach is a complex rehabilitation intervention in which clients are taught to use problem-solving cognitive strategies to acquire personally-meaningful functional skills, and health care providers are required to shift control regarding treatment goals and intervention strategies to their clients. A multi-faceted, supported, knowledge translation (KT) initiative was targeted at the implementation of CO-OP in inpatient stroke rehabilitation teams at five freestanding rehabilitation hospitals. The study objective was to estimate changes in rehabilitation clinicians' knowledge, self-efficacy, and practice related to implementing CO-OP. METHODS: A single arm pre-post and 6-month follow up study was conducted. CO-OP KT consisted of a 2-day workshop, 4 months of implementation support, a consolidation session, and infrastructure support. In addition, a sustainability plan was implemented. Consistent with CO-OP principles, teams were given control over specific implementation goals and strategies. Multiple choice questions (MCQ) were used to assess knowledge. A self-efficacy questionnaire with 3 subscales (Promoting Cognitive Strategy Use, PCSU; Client-Focused Therapy, CFT; Top-Down Assessment and Treatment, TDAT) was developed for the study. Medical record audits were used to investigate practice change. Data analysis for knowledge and self-efficacy utilized mixed effects models. Medical record audits were analyzed with frequency counts and chi-squares. RESULTS: Sixty-five health care providers consisting mainly of occupational and physical therapists entered the study. Mixed effects models revealed intervention effects for MCQs, CFT, and PCSU at post intervention and follow-up, but no effect on TDAT. No charts showed any evidence of CO-OP use at baseline, compared to 8/40 (20%) post intervention. Post intervention there was a trend towards reduction in impairment goals and significantly more component goals were set (z = 2.7, p = .007).
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».