A Motivational Interviewing Intervention to Promote CRC Screening
Notice bibliographique
Résumé
BACKGROUND: Appalachian Kentuckians suffer a disproportionate incidence and mortality from colorectal cancer (CRC) and are screened at lower rates (35%) compared with 47% of Kentuckians. OBJECTIVE: The aim of this study was to evaluate the efficacy of a motivational interviewing intervention delivered by trained Lay Health Advisors on CRC screening. METHOD: Eligible participants recruited from an emergency department (ED) completed a baseline survey and were randomized to either the control or the motivational interviewing intervention provided by Lay Health Advisors. Follow-up surveys were administered 3 and 6 months after baseline. To evaluate potential differences in treatment and control groups, t tests, χ2, and Mann-Whitney U tests were used. RESULTS: At either the 3- or 6-month assessment, there was no difference in the CRC screening by group (χ2 = 0.13, P = .72). There was a significant main effect for the study group in the susceptibility to CRC model; regardless of time, those in the intervention group reported approximately 1-point higher perceived susceptibility to CRC, compared with controls (est. b = 0.68, P = .038). Age and financial adequacy had a significant effect related to CRC screening. Older participants (est. b = 0.09, P = .014) and those who reported financial inadequacy (est. b = 2.34, P = .002) reported more screening barriers. CONCLUSION: This pilot study elucidated important factors influencing the uptake of CRC for an ED transient population and this may be useful in the design of future interventions using motivational interviewing in EDs. IMPLICATIONS FOR PRACTICE: Nurses can provide information about CRC screening guidelines and provide referrals to appropriate screening resources in the community.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».