Person-Centered Care for Family Caregivers: Co-Designing an Education Program for the Healthcare Workforce
Notice bibliographique
Résumé
Abstract Background: Research recommends the healthcare workforce receive competency-based education to support family-caregivers [FCGs}. typically, education has been directed at FCG’s to increase their care skills rather that at healthcare providers to provide person-centered care to FCGs. Objectives: We present the co-design process used to create a competency-based education program for the healthcare workforce that ensures a person-centered focus on FCGs and introduce our Health Workforce Caregiver-Centered Care Education. Approach: Co-design is the act of creating with stakeholders to ensure useable results that meet stakeholder’s needs. We began by coining the concept “caregiver-centered care,” defined as a collaborative working relationship between families and healthcare providers aimed at supporting FCGs in their caregiving role, decisions about care management, and advocacy. From this definition we co-designed, then validated the Caregiver-Centered Care Competency Framework in a Delphi Process. Stakeholders (n= 101) including FCGs, providers, policy makers, community organizations, researchers, and educational designers then used effective practices for health workforce education to co-design the ‘foundational’ level of a Caregiver Centered Care education. Results: Teaching and learning resources include six competency-aligned educational modules with videos and interactive exercises that encourage reflection. With the COVID-19 pandemic, we moved the education online (caregivercare.ca). In the first four months online, 815healthcare providers completed the education. We continue to use mixed methods to evaluate the Caregiver-Centered Care Education, for acceptability and effectiveness, in five care contexts (primary, acute, home, supportive living, long-term care). Conclusion: We expect that our education will support caregiver-centered care in all healthcare settings.
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 | 0,045 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».