MétaCan
Menu
Retour à la cohorte
Enregistrement W3179520406 · doi:10.21203/rs.3.rs-16468/v1

Validation of the primary care experiences survey developed with Indigenous patients with type 2 diabetes in Canada

2020· preprint· en· W3179520406 sur OpenAlexafffundabout
Michael Green, Han Han, Rita Henderson, Betty Calam, Kristen Jacklin, Leah Walker, Lynden Crowshoe

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensUniversity of CalgaryUniversity of British ColumbiaQueen's University
Organismes subventionnairesHealth Research Council of New ZealandNational Health and Medical Research CouncilCanadian Institutes of Health ResearchMedical Research CouncilAustralian Government
Mots-clésIndigenousPrimary careType 2 diabetesMedicinePrimary health careGerontologyGeographyDiabetes mellitusPolitical scienceFamily medicineEnvironmental healthEndocrinology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Health disparities experienced among Indigenous populations in Canada arise from complex historical and social causes. Addressing health disparities requires a multi-sectoral approach, including measures for Indigenous patient healthcare experiences. The Canadian Institute for Health Information published Measuring Patient Experiences in Primary Health Care Survey to evaluate care experiences among general populations; it is not known whether this survey tool is appropriate to measure Indigenous people’s experiences of healthcare. As part of a large research project known as Educating for Equity (E4E), we developed an Indigenous patient experiences with diabetes care survey from existing validated primary care assessment tools, adapting items to the domains of the E4E Care Framework that addresses social and cultural factors that impact Indigenous health. This study describes the development of this Indigenous patient experiences survey, assessing the tool’s validity and reliability.Method A consensus approach was used to establish the face validity of the survey and ease of completion. The survey was administered in three on- and off-reserve practices in Northern Ontario during 2015 and 2016. In total, 154 completed surveys were collected for data analysis. Exploratory factor analysis was performed to assess the survey’s structure. Internal consistency, item convergent validity and discriminant validity were assessed to determine internal reliability and correlation of items within each scale and between scales.Results The Indigenous patient experiences survey consists of two sections: a patient demographic section of eight items and healthcare experience section of 36 items on Likert scales. Exploratory factor analysis identified seven main and sub-scales that align with the survey’s conceptual domains. Two items were removed due to insufficient loading scores. All main and sub-scales obtained acceptable internal reliability (Cronbach’s α: 0.7-0.957), item convergent validity (AVE: 0.4-0.7; CR: 0.78-0.99), and discriminant validity (√ AVE: 0.66-0.85).Conclusion The Indigenous patient experiences survey maps out the construct concepts of the E4E Care Framework: provider-patient relationship, provider cultural competence and social sensitivity, patient diabetic-related psychosocial self-efficacy, and patient-centred continuity of care. Study results indicate this culturally-tailored instrument is reliable and valid for measuring primary care experiences of Indigenous patients with diabetes in Ontario, Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,212

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0060,001
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,356
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetDiabetes Management and EducationTravaux en français237 207