MétaCan
Menu
Retour à la cohorte
Enregistrement W3003182088 · doi:10.3390/healthcare8010027

Cultural Adaptation and Validation of the Portuguese Version of the CANHELP Lite Bereavement Questionnaire

2020· article· en· W3003182088 sur OpenAlexaff
Alexandra Pereira, Amélia Ferreira, Ana Rita Abrantes, Cristiana Gomes, Joana Saraiva, Laetitia Teixeira, Daren K. Heyland, José C. Martins, Sara Pinto, Olga Fernandes

Notice bibliographique

RevueHealthcare · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePalliative and Oncologic Care
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)PortuguesePsychologyBrazilian PortugueseSocial psychologyApplied psychologyLinguistics

Résumé

récupéré en direct d'OpenAlex

Background: Satisfaction with care is an important outcome measure in end-of-life care. Validated instruments are necessary to evaluate and disseminate interventions that improve satisfaction with care at the end of life, contributing to improving the quality of care offered at the end of life to the Portuguese population. The purpose of this study was to perform a cross-cultural adaptation and psychometric analysis of the Portuguese version of the CANHELP Lite Bereavement Questionnaire. Methods: Methodological research with an analytical approach that includes translation, semantic, and cultural adaptation. Results: The Portuguese version comprised 24 items. A panel of experts and bereaved family members found it acceptable and that it had face and content validity. A total of 269 caregivers across several care settings in the northern region of Portugal were recruited for further testing. The internal consistency analysis of the adapted instrument resulted in a global alpha value of 0.950. The correlation between the adapted CANHELP questionnaire and a global rating of satisfaction was of 0.886 (p < 0.001). Conclusions: The instrument has good psychometric properties. It was reliable and valid in assessing caregivers’ satisfaction with end-of-life care and can be used in both clinical and research settings.

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)0,011
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,338
Écart entre enseignants0,256 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetPalliative and Oncologic CareTravaux en français237 207