The Public and Patient Engagement Evaluation Tool: forward-backwards translation and cultural adaption to Norwegian
Notice bibliographique
Résumé
BACKGROUND: Patient engagement is recommended for improving health care services, and to evaluate its organisation and impact appropriate, and rigorously evaluated outcome measures are needed. METHODS: Interviews (N = 12) were conducted to assess relevance of the Canadian Public and Patient Engagement Evaluation Tool (PPEET) in a Norwegian setting were performed. The tool was translated, back translated, and assessed following cognitive interviews (N = 13), according to the COSMIN checklist. Data quality was assessed in a cross-sectional survey of patient advisory board members from different rehabilitation institutions (N = 47). RESULTS: Interviews with patient board representatives confirmed the relevance of the PPEET Organisational questionnaire in a Norwegian setting and contributed five additional items. Translation and back translation of the original PPEET showed no major content differences. Differences in vocabulary and sentence structure were solved by discussion among the translators. Comments from cognitive interviews mainly related to the use of different synonyms, layout, and minor differences in semantic structure. Results of the cross-sectional survey support the data quality and construct validity of PPEET items, including 95 score comparisons where 76 (80%) were as hypothesized. CONCLUSIONS: The PPEET Organisational questionnaire has been thoroughly translated and tested, and the resulting Evalueringsverktøy for Brukermedvirkning (EBNOR) has adequate levels of comprehensibility and content validity. Further testing for measurement properties is recommended, but given these results, the EBNOR should be considered for assessing patient engagement in a Norwegian health care organisational context.
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 | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».