Description of a training protocol to improve research reproducibility for dignity therapy: an interview-based intervention
Notice bibliographique
Résumé
BACKGROUND: Dignity Therapy (DT) has been implemented over the past 20 years, but a detailed training protocol is not available to facilitate consistency of its implementation. Consistent training positively impacts intervention reproducibility. OBJECTIVE: The objective of this article is to describe a detailed method for DT therapist training. METHOD: Chochinov's DT training seminars included preparatory reading of the DT textbook, in-person training, and practice interview sessions. Building on this training plan, we added feedback on practice and actual interview sessions, a tracking form to guide the process, a written training manual with an annotated model DT transcript, and quarterly support sessions. Using this training method, 18 DT therapists were trained across 6 sites. RESULTS: The DT experts' verbal and written feedback on the practice and actual sessions encouraged the trainees to provide additional attention to eight components: (1) initial framing (i.e., clarifying and organizing of the patient's own goals for creating the legacy document), (2) verifying the patient's understanding of DT, (3) gathering the patient's biographical information, (4) using probing questions, (5) exploring the patient's story thread, (6) refocusing toward the legacy document creation, (7) inviting the patient's expression of meaningful messages, and (8) general DT processes. Evident from the ongoing individual trainee mentoring was achievement and maintenance of adherence to the DT protocol. DISCUSSION: The DT training protocol is a process to enable consistency in the training process, across waves of trainees, toward the goal of maintaining DT implementation consistency. This training protocol will enable future DT researchers and clinicians to consistently train therapists across various disciplines and locales. Furthermore, we anticipate that this training protocol could be generalizable as a roadmap for implementers of other life review and palliative care interview-based interventions.
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 | 0,101 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,016 |
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 ».