MétaCan
Menu
Retour à la cohorte
Enregistrement W4382241568 · doi:10.2196/45587

Web-Based Learning for General Practitioners and Practice Nurses Regarding Behavior Change: Qualitative Descriptive Study

2023· article· en· W4382241568 sur OpenAlexvenueno aff
Lauren Raumer-Monteith, Madonna Kennedy, Lauren Ball

Notice bibliographique

RevueJMIR Medical Education · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPsychological interventionUsabilityQualitative researchNursingMedical educationInteractivityPsychologyBehavior changeMedicineKnowledge managementWorld Wide WebComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,401
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,164
Tête enseignante GPT0,588
Écart entre enseignants0,423 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207