MétaCan
Menu
← Retour à la cohorte
Enregistrement W2977706402 · doi:10.2196/14039

Spinal Cord Injury Veterans’ Disability Benefits, Outcomes, and Health Care Utilization Patterns: Protocol for a Qualitative Study

2019· article· en· W2977706402 sur OpenAlexvenueno aff
Denise Fyffe, Joyce Williams, Paul Tobin, Carol Gibson‐Gill

Notice bibliographique

RevueJMIR Research Protocols · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research and Materiel CommandCongressionally Directed Medical Research ProgramsSRA InternationalU.S. Department of Defense
Mots-clésSpinal cord injuryProtocol (science)MedicineHealth careQualitative researchPhysical therapyPsychologyNursingGerontologyPhysical medicine and rehabilitationAlternative medicinePsychiatrySpinal cord

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: An estimated 42,000 people currently living with chronic spinal cord injury (SCI) are veterans. SCI was a common combat-related injury in the World Wars and Vietnam era and now affects more than 11% of military personnel injured in Operation Iraqi Freedom and Operation Enduring Freedom. The Veterans Benefits Administration primarily offers financial compensation for disabilities sustained or re-aggravated during military service, called service-connected disability compensation. With the overwhelming cost of living with an SCI, this monthly financial compensation can provide service-connected veterans and their families with access to additional supportive resources (eg, assistive devices and personal aide) and maintain their quality of life (QOL). Little is known about personal, health, functional, and QOL outcomes associated with service-connected and nonservice-connected status for veterans living with an SCI. OBJECTIVE: The aim of this study is to compare the ways in which Veterans Affairs' (VA) service-connected and nonservice-connected status may be associated with health and functional outcomes, choice of health care provider, and overall QOL for veterans living with an SCI and their caregivers. METHODS: This cross-sectional qualitative study will gather data using retrospective chart reviews, semistructured interviews, and focus groups. After obtaining institutional review board (IRB) approval, purposeful sampling techniques will be used to recruit and enroll the following key stakeholders: veterans living with an SCI, family caregivers, and SCI health care providers. Concurrent data collection will take place at 2 sites: Veterans Administration New Jersey Healthcare System and Northern New Jersey Spinal Cord Injury System. RESULTS: This study was funded in July 2015. IRB approval was obtained by November 2016 at both sites. Enrollment and data collection for phase 1 to phase 4 are complete. A total of 69 veterans, 18 caregivers, and 19 SCI clinicians enrolled in the study. Data analyses for these phases are underway. In phase 5, the follow-up focus group activities are scheduled. The final results are expected by the end of 2019. CONCLUSIONS: The factors that contribute to veterans living with SCI seeking and not seeking VA disability compensation benefits are not well understood in rehabilitation research. Triangulation of these data sources will allow us to compare, contrast, and integrate the results, which can be used to develop clinical guidelines, caregiver training, and patient education programs. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/14039.

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)0,056
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,298

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,034
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0090,004
Communication savante0,0040,004
Science ouverte0,0050,005
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0530,006

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 Opus0,622
Tête enseignante GPT0,709
Écart entre enseignants0,088 · 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'étudeQualitatif
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetSpinal Cord Injury Research→Travaux en français237 207→