Development and implementation of a Facebook-based peer-to-peer support group for caregivers of children with health care needs in New Brunswick
Notice bibliographique
Résumé
Facebook has become an important gathering place for patients and caregivers to exchange health-related information and emotional support, otherwise known as peer-to-peer (P2P) support. Despite widespread use of Facebook groups across various patient and caregiver populations, the use of these groups by caregivers of children with complex care needs (CCCN) has not been previously reported. This paper describes the development and launch of a Facebook group for families of CCCN in New Brunswick, Canada, as well as the plans for evaluation and preliminary findings. The Facebook group was developed in consultation with various stakeholders, including a patient and family advisory council. The following factors were taken into consideration: group characteristics, moderators, language, recruitment, and implementation. The potential impact of the group on perceived knowledge of health services and/or resources and health literacy were assessed through semi-structured interviews with group members. The group, launched in October 2020, has been monitored for a period of 10 weeks for its use by caregivers. The group has attracted a total of 81 caregivers of CCCN, including two moderators. Inquiry-based posts were the most common type of posts made by members. The observed surge in group membership upon implementation suggests the need for additional P2P support platforms for caregivers of CCCN in New Brunswick. Ongoing monitoring and evaluation will determine how the group is used by members and whether it has any effect on health literacy and knowledge of resources and services. Keywords: peer-to-peer support, social support, social media, children with health care needs
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».