MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237843097 · doi:10.1093/geroni/igy023.516

Health Care

2018· article· en· W4237843097 sur OpenAlexaff
Maureen Markle‐Reid, Jenny Ploeg, Ruta Valaitis, Rebecca Ganann, Carrie McAiney, Jennifer Salerno

Notice bibliographique

RevueInnovation in Aging · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCommunity engagementFlexibility (engineering)Health carePsychologyUsabilityPortfolioPublic relationsNursingBusinessMedical educationApplied psychologyMedicinePolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Patient and caregiver engagement (PCE) in health research and more broadly in health care delivery is increasingly recognized as foundational to achieving relevant health gains and health system improvements and is important to funders. Optimal ways to foster meaningful PCE, build capacity, and evaluate its implementation and achievements in health research require further exploration. In the Aging, Community and Health Research Unit, a variety of recruitment, co-design and analysis methods were used for PCE across 4 studies that examined quality of life and care for older adults with multiple chronic conditions and their caregivers. PCE occurred within different study designs (i.e., pragmatic trials, prospective cohort, literature review), requiring common and divergent engagement approaches. Strategies included engaging partners in: patient advisory councils, community advisory boards, steering committees, panel discussions, and policy forums. Information from partners on PCE was collected by interviews, focus groups, surveys, document analysis, website stories, photographs, usability testing, feedback, think aloud, needs assessment and gap identification, and persona-scenarios. Results showed the following strategies enhanced meaningful PCE and minimized burden: a) dedicated leads to facilitate relationship building, identify assets, needs, and preferences; b) flexibility in engagement mechanisms (e.g., ability to participate in-person or virtually); c) distributive governance models that foster strategic PCE in research stages, ensures a breadth of perspectives, and limits burden; and d) contingency strategies (e.g., back-up PCE representatives). Future research is warranted to identify the best methods to enable meaningful engagement, evaluate impact, and balance the risks and benefits of PCE amongst this vulnerable population.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,455
Score d'incertitude au seuil0,777

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,002
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,4550,187

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 Opus0,237
Tête enseignante GPT0,498
Écart entre enseignants0,261 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetMental Health and Patient Involvement→Travaux en français237 207→