Co-design of the web-based ‘My Knee’ education and self-management toolkit for people with knee osteoarthritis
Notice bibliographique
Résumé
Objective Describe the co-design process and learnings related to developing the web-based Translating Research Evidence and Knowledge (TREK) ‘My Knee’ education and self-management toolkit for people with knee osteoarthritis. Co-design process Stage (i): Understand and define; systematically reviewed education interventions in published trials; appraised web-based information about knee osteoarthritis; and used concept mapping to identify education priorities of people with knee osteoarthritis and physiotherapists. Stage (ii): Prototype; created a theory-, guideline- and evidence-informed toolkit. Stage (iii): Test and iterate; completed three co-design workshops with end-users (i.e., people with knee osteoarthritis and health professionals); plus an expert review. Results The toolkit is available at myknee.trekeducation.org. Stage (i) identified the need for more accurate and co-designed resources to address broad education needs generated during concept mapping, including guidance on surgery, dispelling common misconceptions and facilitating engagement with exercise therapy and weight management. A theory- and research-informed prototype was created in Stage (ii) to address broad learning and education needs. Stage (iii) co-design workshops ( n = 15 people with osteoarthritis and n = 9 health professionals) informed further content creation and refinement, alongside improvements to optimise usability. Expert opinion review ( n = 8) further refined accuracy and usability. Conclusions The novel co-design methodology employed to create the TREK ‘My Knee’ toolkit facilitated the alignment of the content and usability to meet the broad education needs of people with knee osteoarthritis and health professionals. This toolkit aims to improve and facilitate engagement with guideline-recommended first-line care for people with knee osteoarthritis. Future work will determine its effectiveness in improving clinical outcomes in this population.
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 | 0,057 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 ».