MétaCan
Menu
← Retour à la cohorte
Enregistrement W4380893768 · doi:10.1002/alz.065471

Stepping towards integrated supports for family caregivers of people living with dementia: Engaging multi‐level interdisciplinary stakeholders in co‐design of competency‐based education

2023· article· en· W4380893768 sur OpenAlexaff
Jasneet Parmar, Wendy Duggleby, Sharon Anderson, Michelle Lobchuk, Jamie Penner, Tanya L'Hereux, Jamie D Stewart, Cecelia Marion, Arlene Huhn, Bonnie Dobbs, Lyn K. Sonnenberg, Laura Schattie‐Weiss, Sanah Jowhari, Gwen McGhan, Elisabeth Drance, Sandra Lundmark, Glenda Tarnowski, Charlotte Pooler, David Howatt, Sandy Sereda

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensIsland HealthCollege & Association of Registered Nurses of AlbertaUniversity of British ColumbiaUniversity of CalgaryTetra Tech (Canada)Covenant HealthAlberta HealthUniversity of ManitobaAlzheimer Society of CanadaAlberta Health ServicesAlberta Environment and Protected AreasUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHealth careWorkforceFamily caregiversCurriculumNursingDelphi methodBest practiceKnowledge managementPsychologyMedical educationMedicinePedagogyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Background Remaining home as long as possible or aging in place in their community home, particularly for those living with dementia, is highly dependent on family caregivers (FCGs) and health providers partnering with FCGs..[1] FCGs provide 90% of the care yet are marginalized within healthcare systems. Educating healthcare providers to support FCGs is a step towards addressing the inconsistent system of supports for diverse FCGs throughout variable trajectories.[2 3] Involving multilevel stakeholders in the educational co‐design process can help ensure the education is relevant for the healthcare providers who interact with FCGs.[4 5] Currently, moving best practices into healthcare is a time‐consuming process (10 to 17 years).[6 7] However, co‐design facilitates moving knowledge into practice more quickly. Objectives 1) Detail the co‐design processes and tools used to develop competency‐based Caregiver‐Centered Care Education for the health workforce. 2) Report on the key elements associated with successful co‐design. Method 106 multi‐level interdisciplinary stakeholders including FCGs, educators, researchers, healthcare providers and leaders, educational designers, not‐for‐profit leaders, policy influencers, and policymakers were involved in three co‐design phases: 1) Developing relationships and insights; 2) Translating insights into education design; and 3) Planning the implementation, spread, and scale‐up of the Modules. The research tools used in each of these phases included literature reviews, qualitative and survey research on specific topics, consultations (symposia, modified Delphi process, meetings), and mixed methods evaluation. Result Co‐design facilitated translation of best practices of Caregiver‐Centered Care into successful competency‐based training for the health workforce. Modules have been highly accessed by healthcare providers and trainees. Learners report very high satisfaction, relevance, usefulness, and significant knowledge gains upon completion. Four elements were critical to successful education co‐design: 1) an engaged co‐design team led by people knowledgeable about healthcare and FCGs; 2) co‐design team access to collaborators/staff with the appropriate theoretical, research, and facilitation skills; and 3) an expert educational design team to bring stakeholders’ ideas to life. Conclusion We leveraged stakeholders’ knowledge and insights to reduce the time to develop and scale an innovative population health approach in which healthcare providers are educated to support all FCGs throughout diverse care trajectories.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,004
Communication savante0,0050,004
Science ouverte0,0030,013
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,413
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetInterprofessional Education and Collaboration→Travaux en français237 207→