A Mixed Methods Assessment of Home-Based Video Pretransplant Lung Education
Notice bibliographique
Résumé
Introduction: Patients awaiting lung transplantation must learn new information to successfully navigate the transplant process. A supplemental video series was piloted to patients at home during the Covid-19 pandemic to improve pre-transplant education. Methods: A mixed methods study was undertaken to assess patient experiences with this method of education, confirm the ideal timing of the education, and identify gaps that require further attention. Semi-structured interviews were conducted with 17 one-on-one or dyadic (patients and caregivers) who viewed the video series at home. A third-party researcher (not involved in creation of the educational materials) conducted the interviews by phone, which were audio recorded and then transcribed verbatim. NVivo 12 Pro for Windows software was used to code the data and identify emerging themes. Results: Participants indicated that home-based videos were applicable, and informative and helpful (4.7 on 5-point Likert scale) and appreciated the advice and experiences of real patients. They were satisfied with their transplant education (4.2/5). While there were few aspects that the participants disliked about the videos, the interviews elicited outstanding questions about the transplant process (eg, logistical aspects of travel) and transplant concerns (eg, medications, expenses, and precautions in daily life). Conclusion: Patients being assessed or listed for lung transplant valued the novel electronic video education, and we will implement the home-based process into standard of care after the patient's initial visit with the transplant respirologist. Pre-transplant education will be tailored to help address the outstanding gaps identified in this program evaluation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».