Training initiatives that enhance knowledge, attitudes, and practices regarding the prevention, diagnosis and treatment of Lyme disease: a systematic review
Notice bibliographique
Résumé
Lyme disease (LD) is the most commonly diagnosed tick-borne disease in North America and parts of Europe. Current mitigation strategies rely on personal protective behaviours, early diagnosis, and antibiotic treatment. This review updates on previous reviews on educational interventions for the prevention of LD and examines the impact of different interventions on the knowledge, attitudes and behaviours of healthcare professionals and the general public. We searched six databases for studies reporting participant assessment on knowledge, attitudes, and behaviours related to LD. We included studies targeting the public as well as healthcare professionals. We used keywords related to Lyme disease, health knowledge, attitudes, practices, community, health education, prevention, diagnosis, and treatment. Fourteen studies were included in this review; 13 reported educational interventions focused on the prevention of LD in the public, and one on physicians’ diagnosis of LD. Regardless of the type of intervention, the public’s knowledge (11/13 studies) were generally observed to improve post-intervention, though changes to preventive behaviours and attitudes were inconsistent. A key finding in this study was that no studies reported outcomes from interventions targeted at educating healthcare professionals on their knowledge of LD, or how to treat LD. Our review demonstrated that public health interventions enhance assessed and/or perceived LD knowledge. However, more research is needed to investigate interventions directed at healthcare professionals across the spectrum of LD: prevention, diagnosis, and treatment of early, late and post-treatment illness. PROSPERO 2019.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».