A qualitative description of barriers to visual rehabilitation experienced by stroke survivors with visual impairment in Alberta, Canada
Notice bibliographique
Résumé
BACKGROUND: Post-stroke visual impairment (VI) is a common but under-recognized care challenge. Common manifestations of post-stroke VI include: diplopia, homonymous hemianopia, oscillopsia secondary to nystagmus, and visual inattention or neglect. In acute care settings, post-stroke VI recognition and treatment are often sub-optimal as emphasis is placed on survival. Stroke survivors with VI often face inconsistencies when accessing care out of hospital because variable availability and subsidization of visual rehabilitation. We sought to identify gaps in care experienced by stroke survivors with VI from stroke survivors' and care providers' perspectives. METHODS: We conducted a qualitative description study across 12 care sites in Alberta, Canada, using semi-structured interviews. Survivor interviews focused on the health system experience. Provider interviews discussed approaches to care, perceived gaps, and current resources. Interviews were audio-recorded and transcribed. Iterative content analysis was completed using NVivo 12. We promoted rigour through an audit trail, open-ended questions, thick description, and collaborative coding. RESULTS: We completed 50 interviews: 19 survivor interviews and 31 provider interviews. The majority of survivors were male (n = 14) and recruited from community settings (n = 16). Providers varied in profession and location within the care continuum. Two key themes emerged from the provider and survivor interviews pertaining to (a) facets of visual rehabilitation (sub-themes: access, resources, and multidisciplinary professional interaction); and (b) functioning with post-stroke VI (sub-themes: early experiences post-stroke and living with VI in the real world). CONCLUSIONS: The visual rehabilitation model needs to be optimized to ensure transparent inter-disciplinary communication and efficient referral pathways. Future research will focus on evaluating the effectiveness of post-stroke care from multiple perspectives in Alberta.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,024 | 0,009 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».