Preferences of Australian healthcare providers regarding education on long-term health after hypertensive disorders of pregnancy: a qualitative study
Notice bibliographique
Résumé
OBJECTIVES: To explore Australian healthcare providers' (HCPs') preferred content, format and access to education regarding long-term health after hypertensive disorder of pregnancy (HDP), in order to guide the development of education programmes. DESIGN AND SETTING: A qualitative study using a framework analysis was undertaken. Registered HCP who were practising in Australia and previously completed a survey about long-term health after HDP were invited to participate. PARTICIPANTS: Twenty HCP were interviewed, including midwives, specialist obstetrician/gynaecologists, general practitioners with a diploma in obstetrics and gynaecology, and cardiologists. PRIMARY AND SECONDARY OUTCOME MEASURES: Exploration of preferred content, format and distribution of educational material post-HDP. RESULTS: Twenty HCP were interviewed in April to May 2020. Four main categories were identified. 'Obtaining evidence-based information for own learning' addressing own learning with preference for multi-disciplinary education, preferably endorsed or facilitated by professional organisations. 'Optimising the referral process from hospital to community health services' was about the need for structured long-term follow-up to transition from hospital to community health and align with HDP guidelines. 'Facilitating women's health literacy' addressed the need for evidence-based, print or web-based material to assist risk discussions with women. 'Seizing educational opportunities' addressed the responsibility of all HCP to identify education opportunities to initiate key health discussions with women. CONCLUSIONS: HCP provided ideas on content, format and access of education regarding long-term health post-HDP within the parameters of the Australian healthcare context. This evidence will guide educational developments for HCP on post-HDP health to ensure they can better care for women and families.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».