MétaCan
Menu
Retour à la cohorte
Enregistrement W3046687596 · doi:10.1016/j.pec.2020.07.025

Managing everyday life: Self-management strategies people use to live well with neurological conditions

2020· article· en· W3046687596 sur OpenAlexafffundabout
Åsa Audulv, Susan Hutchinson, Grace Warner, George Kephart, Joan Versnel, Tanya Packer

Notice bibliographique

RevuePatient Education and Counseling · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchNeuroförbundetNova Scotia Health Research FoundationPublic Health AgencyPublic Health Agency of Canada
Mots-clésSelf-managementEveryday lifePsychologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This paper uses the Taxonomy of Everyday Self-management Strategies (TEDSS) to provide insight and understanding into the complex and interdependent self-management strategies people with neurological conditions use to manage everyday life. METHODS: As part of a national Canadian study, structured telephone interviews were conducted monthly for eleven months, with 117 people living with one or more neurological conditions. Answers to five open-ended questions were analyzed using qualitative content analysis. A total of 7236 statements were analyzed. RESULTS: Findings are presented in two overarching patterns: 1) self-management pervades all aspects of life, and 2) self-management is a chain of decisions and behaviours. Participants emphasized management of daily activities and social relationships as important to maintaining meaning in their lives. CONCLUSION: Managing everyday life with a neurological condition includes a wide range of diverse strategies that often interact and complement each other. Some people need to intentionally manage every aspect of everyday life. PRACTICE IMPLICATIONS: For people living with neurological conditions, there is a need for health providers and systems to go beyond standard advice for self-management. Self-management support is best tailored to each individual, their life context and the realities of their illness trajectory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,094
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,230 · 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 tête enseignante, 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

Citations39
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePatient Education and CounselingMême sujetDiabetes Management and EducationTravaux en français237 207