Patients, clinicians and researchers working together to improve cardiovascular health: a qualitative study of barriers and priorities for patient-oriented research
Notice bibliographique
Résumé
OBJECTIVES: The overall goal of this study is to identify priorities for cardiovascular (CV) health research that are important to patients and clinician-researchers. We brought together a group of CV patients and clinician-researchers new to patient-oriented research (POR), to build a multidisciplinary POR team and form an advisory committee for the Libin Cardiovascular Institute of Alberta. DESIGN: This qualitative POR used a participatory health research paradigm to work with participants in eliciting their priorities. Therefore, participants were involved in priority setting, and analysis of findings. Participants also developed a plan for continued engagement to support POR in CV health research. SETTING: Libin Cardiovascular Institute of Alberta, Cumming School of Medicine, University of Calgary, Canada. PARTICIPANTS: A total of 23 participants, including patients and family caregivers (n=12) and clinician-researchers (n=11). RESULTS: Participants identified barriers and facilitators to POR in CV health (lack of awareness of POR and poor understanding on the role of patients) and 10 research priorities for improving CV health. The CV health research priorities include: (1) CV disease prediction and prevention, (2) access to CV care, (3) communication with providers, (4) use of eHealth technology, (5) patient experiences in healthcare, (6) patient engagement, (7) transitions and continuity of CV care, (8) integrated CV care, (9) development of structures for patient-to-patient support and (10) research on rare heart diseases. CONCLUSIONS: In this study, research priorities were identified by patients and clinician-researchers working together to improve CV health. Future research programme and projects will be developed to address these priorities. A key output of this study is the creation of the patient advisory council that will provide support and will work with clinician-researchers to improve CV 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 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 | 0,115 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,027 | 0,027 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».