Person-Centered Care for Family Caregivers: Evaluating an Education Program for the Healthcare Workforce
Notice bibliographique
Résumé
Abstract Background: While family caregivers [FCGs] provide 75-90% of care for people living in the community, most healthcare providers are not trained to provide person-centered care to FCGs. We followed research recommendations that the healthcare workforce receive competency-based education to identify, assess, support and partner with FCGs. Objective: Mixed methods evaluation healthcare workforce education program. Approach: We began by coining the concept “caregiver-centered care,” defining it as a collaborative working relationship between families and healthcare providers aimed at person-centered support for FCGs. From this definition, interdisciplinary stakeholders including FCGs (n=101) co-designed the Foundational Caregiver-Centered Care education. Learning resources included six competency-aligned educational modules with videos and interactive exercises that encourage reflection. Kirkpatrick Barr’s healthcare training evaluation framework underpinned our mixed methods evaluation. We measured participant’s reaction to the education (Level 1) and changes in learner’s knowledge and confidence to work with FCGs (Level 2). Results: 352 healthcare providers completed the education online (caregivercare.ca). Learners were satisfied with quality of education (Mean 4.75/5; SD=.5) and the education increased their motivation to learn more about caregiver-centered care (Mean 4.75/5; SD .5). Student’s paired samples T-test indicates pre-post education changes in knowledge and confidence to work with FCGs were significant [Pre (M=37.8, Sd=7.6) to post (M=47.2, SD=3.5) t (125) = -14.39, p<.0005 (two-tailed)]. Qualitative results derived from open responses mirrored the quantitative results. Conclusion: The Caregiver-Centered Care education provides a foundation for educating healthcare providers working with FCGs to provide care to FCGs to maintain their wellbeing and sustain care.
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 | 0,013 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».