Implementing Pathways and Resources for Engagement and Participation (PREP) for Children with Disabilities in Inclusive Schools: A Knowledge Translation Strategy
Notice bibliographique
Résumé
Aims: To examine the effectiveness of PREP (Pathways and Resources for Engagement and Participation) knowledge translation (KT)-program on (a) change in practice behaviors and improved knowledge of school-based occupational therapists, and (b) participation of children with disabilities in inclusive education.Methods: A mixed-methods design was employed. Therapists (n = 39) completed a 30-hour program. Each therapist applied PREP intervention to one child (n = 39) aged 4-15 (Mean = 9.31, SD = 2.4). Therapists’ outcomes included: (a) knowledge of PREP evaluated using a clinical vignette, analyzed descriptively, (b) change in practice behavior measured by the Professional Evaluation and Reflection on Change Tool (PERFECT), analyzed thematically. Change in children’ participation pre- and post-KT-program and during follow-up was measured by the Canadian Occupational Performance Measure (COPM), analyzed using ANOVA.Results: Therapists acquired knowledge of PREP (vignette mean score 17.7/20). PERFECT revealed therapists’ self-perceived changes in practice: incorporating an environmental perspective, expanding partnerships, and redirecting focus on participation. Completing the KT-program was a primary enabler and reason for change. Children’s participation significantly improved post KT-program and during follow-up in both performance (p < 0.001) and satisfaction (p < 0.001).Conclusions. KT strategies, as illustrated in this study, accelerated the uptake of evidence-based interventions, minimizing existing ’know-do' gaps and promoting children’s health through participation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».