Evaluating the training needs for an epilepsy education program by assessing the beliefs and attitudes of families with children impacted by epilepsy.
Notice bibliographique
Résumé
Background: The aftermath of a seizure for a child and their family alongside a lack of accessible epilepsy education programs reinforces a perceived loss of control and anxiety states. A virtual video teaching platform is being developed to allow families to connect with and learn about their child’s epilepsy. The queries and training needs of diverse patient groups must be addressed to ensure the platform’s personalization and success. 
 Objective: We assessed the training needs, beliefs, and attitudes through a questionnaire for families, taking into account epilepsy severity, time of their child’s diagnosis, and religiosity.Methods: Over two months, patients of the Alberta Children Hospital’s Neuroscience outpatient clinic were contacted to complete the survey. We focused on analyzing how families’ beliefs towards the causes, treatment, and manifestations of epilepsy influenced training needs and interest and whether that is correlated with epilepsy severity, time of diagnosis, and religiosity. A one-way ANOVA was conducted.
 Results: 67 families responded to the survey. Families with a recent initial seizure were more inclined to believe in more environmental and behavioral causes of epilepsy. Those with longer-standing epilepsy believed in more medical causes for epilepsy. More religious families were slightly inclined to believe in prayers and miracles as treatment. All groups presented a high interest in the video topics, with more religious families drawn to the ‘Life with Epilepsy’ module videos.
 Conclusions: These results will ensure the program design facilitates understanding of epilepsy, leading to expedited social integration, better coping, and reduced mental health comorbidities for all patient groups.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».