Developing and Evaluating a Capacity-Building Intervention for Healthcare Providers to Improve Communication Skills and Awareness of Hard of Hearing and D/deaf Populations: Protocol for a Participative Action Research-Based Study
Notice bibliographique
Résumé
Background: D/deaf and hard of hearing populations are at higher risk for experiencing physical and mental health problems compared to hearing populations. In addition, they commonly encounter barriers to accessing and benefiting from health services, which largely stem from challenges they face in communicating with healthcare providers. Healthcare providers commonly lack tailored communication skills in caring for D/deaf and hard of hearing populations, which lead to difficulties and dissatisfaction for both staff and D/deaf and hard of hearing communities. This research project aims to develop and evaluate a capacity-building intervention for healthcare providers with the goal of increasing their awareness of D/deaf and hard of hearing individuals' experiences with the healthcare system, their distinct needs, and improving their capacity to communicate effectively with this patient population. Methods: This research project features a participative action research design using qualitative and quantitative methods. Consistent with participative action research, the study will actively involve the target populations, key stakeholders and representative associations. The intervention will be developed and tested through iterative phases. The Integrated Model of Training Evaluation and Effectiveness will guide prospective evaluation of the intervention. The latter will involve qualitative and quantitative assessments in participants before and after the intervention and at 6-months follow-up. Discussion: Results will contribute to research aimed at decreasing barriers to accessing and benefiting from healthcare services for D/deaf and hard of hearing individuals. Findings will be presented to representative associations and political authorities, as well as disseminated at research conferences and in peer-reviewed journals.
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 | 0,088 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,009 |
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 ».