MétaCan
Menu
Retour à la cohorte
Enregistrement W4225291189 · doi:10.1186/s12875-022-01715-w

The i-ACT™ in Obesity educational intervention: a pilot study on improving Canadian family physician care in obesity medicine

2022· article· en· W4225291189 sur OpenAlexafffundabout
Sean Wharton, David Macklin, Marie‐Philippe Morin, Jessica Blavignac, Stuart Menzies, Laura Garofalo, Michelle A. Francisco, Carol Thomas, Maxime Barakat

Notice bibliographique

RevueBMC Primary Care · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensCommunications Research Centre CanadaBausch Health (Canada)Health CanadaUniversité LavalInstitut universitaire de cardiologie et de pneumologie de QuébecMennonite Economic Development AssociatesUniversity of TorontoMcMaster University
Organismes subventionnairesBausch Health
Mots-clésCurriculumMedicineIntervention (counseling)Medical educationObesityHealth careWeight managementFamily medicineDescriptive statisticsPsychologyNursingWeight lossPedagogy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Obesity is a chronic problem in Canada and although the Canadian Medical Association recognizes obesity as a disease, health care professionals (HCPs) are not necessarily proactively managing it as one. This study aimed to assess current obesity management knowledge and practices of Canadian family physicians (FPs) and evaluate the feasibility of an online self-directed learning platform, i-ACT™ in Obesity, in delivering learning and changing practice intentions to advance obesity management. METHODS: i-ACT™ in Obesity is an online self-directed learning program designed by Canadian obesity medicine experts to provide individualized learning curricula to participants. One hundred FPs, with an interest in weight management and managing patients with obesity, were recruited across Canada to participate in a pilot study. FP education was delivered in a stepwise manner. Each participant completed a practice profile assessment to determine knowledge gaps and educational needs. Learners then watched didactic videos across disciplines on topics assigned to their curriculum by the program algorithm based on the relative difference between indicated and desired current knowledge. FPs also completed 10 retrospective patient assessments to assess clinical management practices and planned behaviour change. Feasibility, acceptability, and satisfaction of the learning program were assessed to formulate the rationale for a more widespread deployment in the future. Survey responses and related data were analyzed using comparative measures and descriptive statistics. RESULTS: The program was piloted by ninety-one Canadian FPs, where 900 patients were assessed. FPs showed distinct differences between their current and desired levels of comfort in a variety of obesity-related topics. Participation was associated with an intention to use more obesity treatment interventions moving forward. The program received an overall satisfaction rating of 8.6 out of 10 and 100% of the evaluators indicated that they would recommend it to their colleagues. CONCLUSION: The program was overall well received and successfully changed obesity management intentions among participating FPs, thus setting the stage for a larger more comprehensive study to examine the efficacy of i-ACT™ in Obesity in addressing knowledge gaps and advancing evidence-based, guidelines-aligned approach to obesity treatment.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,448
Score d'incertitude au seuil0,901

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,066
Tête enseignante GPT0,404
Écart entre enseignants0,338 · 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'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Primary CareMême sujetObesity and Health PracticesTravaux en français237 207