Impacts of trauma‐ and violence‐informed care education: A mixed method follow‐up evaluation with health & social service professionals
Notice bibliographique
Résumé
OBJECTIVES: Trauma- and violence-informed care (TVIC) creates safety by understanding the impacts of trauma on health and behavior, and the intersecting impacts of structural and interpersonal violence. This study examined the impact, 1-2 years later, of TVIC professional education. DESIGN, SAMPLE AND MEASUREMENTS: We conducted a mixed method descriptive follow-up evaluation (online survey, n = 67, and semi-structured interviews, n = 7) with health and social service providers, leaders and researchers who attended TVIC workshops. Participants were asked how the workshop impacted their thinking, actions and perceptions of organizational changes. RESULTS: Participants reported greater impact on attitudes than on behaviors. The most common change in awareness and thinking related to better understanding of the links among trauma, pain and substance use. Practice changes included more active listening and empathy, less use of jargon and less judgement in care encounters. Participants linked these practices to better care interactions, and more trust, openness and satisfaction among service users. CONCLUSION: Educating health professionals and others (e.g. educators) about trauma, violence, and discrimination is not easy. TVIC education can help shift potentially stigmatizing attitudes which can then precipitate practice change. These approaches are emerging as an important way to improve health and quality of life.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».