1314-P: Co-creating Gestational Diabetes Education: Using Web Analytics to Assess Learning Interests
Notice bibliographique
Résumé
Objectives: Gestational diabetes mellitus (GDM) education is the foundation for self-care management. This study aims to improve the GDM learning experience using the narrative and care experiences of women with GDM and their healthcare providers. Methods: A working group of women with GDM and their health care providers used iterative dialogic priming (key quotes from previous sessions) to frame five sessions. Through a deliberative priority-setting process, participants decided to update www.diabetes-pregnancy.ca, an existing website that addresses GDM education priorities of the group. Participants contributed to the website organization, videos, and text content. Google analytics was used to evaluate site uptake. Results: Five women with GDM and 7 diabetes healthcare providers were involved in updating the content of the website. Following the website re-launch, an analytics assessment of a 50-day average (Nov 14/18 - Jan 3/19) was compared to a previous period with its earlier design (Sept 24 - Nov 13/2018). A total of 490 users visited the site and the majority (n=224) resided in Alberta compared to 546 users (200 from Alberta) in the previous 50-day period. Amongst the recent users with an identified gender (n=166), there were 133 females and 33 males. Bounce rate (visitors immediately leaving website) decreased from 78.4% to 42.4% post-redesign. The pages viewed per user session increased from 1.86 to 3.91, and the average duration of sessions increased by 30.6% (7:23 to 9:39 minutes). Behavior flow of the site showed user navigation to the “GDM” homepage (n=382), followed by the “For Providers” page (n=122), and “Additional Resources” (n=112). Conclusions: Co-creation of online education materials informed uptake of the website. Web analytics suggest that although the audience is more likely female, there are males seeking information. An online GDM resource provides a novel method to support continuous improvement of GDM education. Disclosure J. Boisvenue: None. S.A. Ghnaim: None. P. Kaul: None. E.A. Ryan: None. R.O. Yeung: Advisory Panel; Self; Sanofi. Consultant; Self; Novo Nordisk Inc. Research Support; Self; AstraZeneca. Speaker's Bureau; Self; Novo Nordisk Inc., Sanofi. Funding AstraZeneca Canada
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».