Web-Based Learning for General Practitioners and Practice Nurses Regarding Behavior Change: Qualitative Descriptive Study
Notice bibliographique
Résumé
BACKGROUND: Supporting patients to live well by optimizing behavior is a core tenet of primary health care. General practitioners and practice nurses experience barriers in providing behavior change interventions to patients for lifestyle behaviors, including low self-efficacy in their ability to enact change. Web-based learning technologies are readily available for general practitioners and practice nurses; however, opportunities to upskill in behavior change are still limited. Understanding what influences general practitioners' and practice nurses' adoption of web-based learning is crucial to enhancing the quality and impact of behavior change interventions in primary health care. OBJECTIVE: This study aimed to explore general practitioners' and practice nurses' perceptions regarding web-based learning to support patients with behavior change. METHODS: A qualitative, cross-sectional design was used involving web-based, semistructured interviews with general practitioners and practice nurses in Queensland, Australia. The interviews were recorded and transcribed using the built-in Microsoft Teams transcription software. Inductive coding was used to generate codes from the interview data for thematic analysis. RESULTS: In total, there were 11 participants in this study, including general practitioners (n=4) and practice nurses (n=7). Three themes emerged from the data analysis: (1) reflecting on the provider of the Healthy Lifestyles suite; (2) valuing the web-based learning content and presentation; and (3) experiencing barriers and facilitators to using the Healthy Lifestyles suite. CONCLUSIONS: Provider reputation, awareness of availability, resources, content quality, usability, cost, and time influence adoption of web-based learning. Perceived quality is associated with culturally tailored information, resources, a balance of information and interactivity, plain language, user-friendly navigation, appealing visual presentation, communication examples, and simple models. Free web-based learning that features progress saving and module lengths of less than 2 hours alleviate perceived time and cost barriers. Learning providers may benefit by including these features in their future behavior change web-based learning for general practitioners and practice nurses.
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 | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».