Predictors of Change in Osteoporosis Knowledge, Health Beliefs, and Self-Efficacy After an Education Intervention
Notice bibliographique
Résumé
Abstract Education interventions that increase osteoporosis knowledge and address health beliefs and self-efficacy help older adults make informed decisions to prevent and manage the disease. The aim of this study was to determine if clinical risk factors for osteoporosis moderate the effect of a multifaceted education intervention on osteoporosis knowledge, health beliefs, and self-efficacy. Patients 50 years and older with no prior diagnosis of or treatment for osteoporosis were referred by their primary care provider for bone mineral density testing by DXA and randomized to an osteoporosis education intervention group (n = 102) or usual care group (n = 101). Demographic and health history questionnaires, and validated tools to assess osteoporosis knowledge, health beliefs and self-efficacy were completed at baseline and 6-month follow-up. Results of the linear mixed-effects model showed a significant interaction with younger age (p=.024) on self-efficacy among patients in the intervention group compared to the usual care group. Patients with higher BMI had greater perceived health motivation (p=.026) in the intervention group. Compared to the usual care group, patients in the intervention group with higher vitamin D intake had greater perceived exercise (p=.020) and calcium benefits (p=.012) and those with a family history of osteoporosis had greater perceived susceptibility to osteoporosis (p=.045). By understanding the key factors that predict change in knowledge, health beliefs and self-efficacy after an education intervention compared to usual care, we can better tailor interventions to enhance prevention and management of osteoporosis.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».