Evaluation of a motivational interviewing informed workshop for trainees in a diabetes prevention program in the community
Notice bibliographique
Résumé
Objectives: Utilizing Kirkpatrick's four-level model this study presents the evaluation of a two-day Motivational Interviewing (MI) informed workshop on trainee's satisfaction, MI-knowledge, MI-skills, and applying MI in a community-based diabetes prevention program. Methods: Four students provided feedback on the content of the MI-informed workshop. Seven other trainees took part in its evaluation. MI-skills were evaluated using a vignette (Helpfulness Response Questionnaire; HRQ) at pre- and post-workshop. The Motivational Interviewing Competency Assessment (MICA) was used to code trainee's audio recordings with clients from the diabetes prevention program. The MICA provides a total score for MI competency and scores on seven MI categories. Results: Average age was 24 years (SD = 2.8), 85% were women, and 57.2% had less than a bachelor degree. The workshop was perceived as highly satisfactory (M = 4.7, SD = 0.41, out of 5). MI-knowledge and MI-confidence increased from pre- to post-workshop (p < .001, ?2p= .95 and p = .003, ?2p = .79, respectively). As expected, the HRQ reflective statements increased relative to asking questions from pre- [R/OQ]=27/25 to post-workshop[R/OQ]=40/29. Despite the short training, 50% of the trainees' MI-skills were classified as client-centered (MICA ?3/5) on all MI categories, but the trainees did not reach overall level of MI competency (MICA ?8/10), with M = 5.8 (SD = .99). Conclusions: Consistent with previous research, this brief training improved MI-knowledge and MI-skills, but it was less effective for overall application of MI. Future work will integrate booster sessions to evaluate the addition of supervised practice on outcomes.Acknowledgments: This work was supported by a CIHR Foundation Grant (#333266), Michael Smith Foundation Health Research Scholar Award (#5917), and EI was supported by Michael Smith Foundation Health Research Postdoctoral Fellowship Award. We would like to thank the Centre for Collaboration, Motivation and Innovation for their expertise and support from the Ministry of Health.
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 | 0,007 | 0,000 |
| 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 | 0,000 |
| 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 ».