MétaCan
Menu
← Retour à la cohorte
Enregistrement W3125917777 · doi:10.2196/24302

Educational Needs and Preferences for Patient-Centered Outcomes Research in the Cystic Fibrosis Community: Mixed Methods Study

2021· article· en· W3125917777 sur OpenAlexvenueno aff
Emily M. Godfrey, Traci M. Kazmerski, Georgia Brown, Erin K. Thayer, Laura Mentch, Molly Pam, Morhaf Al Achkar

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational Sciences
Mots-clésOutreachLife expectancyMedicineHealth careNursingFamily medicinePsychologyMedical educationPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cystic fibrosis (CF) is a rare, life-shortening, multiorgan disease, the treatment of which has seen significant increases in the life expectancy of those with CF. Many advances in CF care are thanks to the dedicated and active participation of people with CF as research participants. Unfortunately, most CF research teams still do not fully partner with people with CF or their caregivers. OBJECTIVE: The aim of this study was to determine the interest, knowledge gaps, and desired format for patient-centered outcomes research (PCOR) training in the CF community. METHODS: We surveyed patients, caregivers, researchers, research staff, and diverse health care providers via list servers and social media outreach about their knowledge of, experience with, and preferences for PCOR training components. We followed the survey with 3 small-group discussion sessions with 22 participants who completed the survey to establish consensus and prioritize key learning components of a PCOR training program. We summarized results using descriptive statistics. RESULTS: A total of 170 participants completed the survey (patients/caregivers: 96/170, 56.5%; researchers/health care providers: 74/170, 43.5%). Among providers, 26% (19/74) were physicians/advanced practice providers, 20% (15/74) were nurses, and 54% (40/74) were from other disciplines. Among all participants, 86.5% (147/170) expressed interest in learning about PCOR, although training topics and training format differed between the patient/caregiver and researcher/health care provider groups. Before participating in PCOR, patients/caregivers wanted to understand more about expectations of them as partners on PCOR research teams (82/96, 85%). Meanwhile, researchers/health care providers desired information on how to include outcomes important to patients/caregivers (55/74, 74%) and the quality and impact of PCOR research (52/74, 70% and 51/74, 69%, respectively). Patients/caregivers were most interested in learning about the time commitment as a PCOR team member (75/96, 78%). Researchers/health care providers wanted to receive training about how to establish trust (47/74, 64%) and maintain confidentiality (47/74, 64%) when including patient or caregiver partners on the PCOR team. During follow-up discussions, participants emphasized the importance of addressing the traditional patient/caregiver and researchers/health care provider hierarchy by teaching about transparency, appreciation, creating a common language between the groups, and providing specific training on "how" to do PCOR. CONCLUSIONS: Our findings suggest CF community members are interested in PCOR. A high-quality training program would fill a current deficit in methodological research. This assessment identified the topics and formats desired and can be used to develop targeted training to enhance meaningful PCOR in CF.

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)0,036
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,049
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,186
Tête enseignante GPT0,545
Écart entre enseignants0,358 · 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'étudeQualitatif
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetCystic Fibrosis Research Advances→Travaux en français237 207→