Evaluating a motivational interviewing training for facilitators of a prediabetes prevention program
Notice bibliographique
Résumé
Small Steps for Big Changes (SSBC) is an evidence-based counselling lifestyle program for individuals with prediabetes. The program uses motivational interviewing (MI), a client-centered counselling approach with demonstrated potential to facilitate behaviour change and maintenance. All SSBC facilitators take part in MI training prior to program facilitation. The ~24-hour MI training includes a 2-day workshop, shadowing, reverse shadowing and feedback during the SSBC sessions. The study purpose was to ask the SSBC facilitators to identify barriers and provide feedback on the MI training and their experiencing with using MI when facilitating the SSBC program. Semi-structured interviews were conducted with seven facilitators 6-months after their initial MI training workshop. Interviews were analyzed using thematic inductive analysis. The MI training was well received, and the facilitators felt ready to use the MI skills to independently facilitate the SBCC program. Facilitators valued the shadowing, reverse shadowing, and debriefing as beneficial and practical MI experiences. Many facilitators believed that MI was a helpful counselling style conducive to their clients' behaviour change. Facilitators valued the program meetings and informal feedback provided throughout their time as a facilitator for SSBC. Suggestions included offering booster sessions for MI training and receiving intermittent feedback on MI skills to help maintain MI skills over time. Results from this evaluation will be used to optimize SSBC and improve maintenance of MI skills overtime. An optimized training program may increase the MI skills of facilitators, which has the potential to impact their clients' success in the SSBC program in the future.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».