Impact and Perceived Value of iGeriCare e-Learning Among Dementia Care Partners and Others: Pilot Evaluation Using the IAM4all Questionnaire
Notice bibliographique
Résumé
BACKGROUND: Care partners of people living with dementia may benefit from web-based education. We developed iGeriCare, an award-winning internet-based platform with 12 multimedia e-learning lessons about dementia. OBJECTIVE: Our objective was to evaluate users' perceptions of impact. METHODS: From March 17, 2021 to May 16, 2022, data were collected upon lesson completion. We used the content-validated Information Assessment Method for all (IAM4all) for patients and the public adapted for dementia care partners. The IAM4all questionnaire assesses outcomes of web-based consumer health information. Responses were collected using SurveyMonkey, and data were analyzed using IBM SPSS Statistics (version 28). RESULTS: A total of 409 responses were collected, with 389 (95.1%) survey respondents completing the survey. Of 409 respondents, 179 (43.8%) identified as a family or friend care partner, 84 (20.5%) identified as an individual concerned they may have mild cognitive impairment or dementia, 380 (92.9%) identified the lesson as relevant or very relevant, and 403 (98.5%) understood the lesson well or very well. Over half of respondents felt they were motivated to learn more, they were taught something new, or they felt validated in what they do, while some felt reassured or felt that the lesson refreshed their memory. Of 409 respondents, 401 (98%) said they would use the information, in particular, to better understand something, discuss the information with someone else, do things differently, or do something. CONCLUSIONS: Users identified iGeriCare as relevant and beneficial and said that they would use the information. To our knowledge, this is the first time the IAM4all questionnaire has been used to assess patient and caregiver feedback on internet-based dementia education resources. A randomized controlled trial to study feasibility and impact on caregiver knowledge, self-efficacy, and burden is in progress.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».