MétaCan
Menu
Retour à la cohorte
Enregistrement W4385837495 · doi:10.3389/fresc.2023.1064206

What matters to program partners when implementing a community-based exercise program for people post-stroke? A theory-based qualitative study and cost analysis

2023· article· en· W4385837495 sur OpenAlexafffund
Gayatri Aravind, Kainat Bashir, Jill I. Cameron, Mark Bayley, Robert Teasell, Jo-Anne Howe, Alda Tee, Susan Jaglal, Susan Hunter, Nancy M. Salbach

Notice bibliographique

RevueFrontiers in Rehabilitation Sciences · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensRoyal Victoria Regional Health CentreParkwood InstituteWestern UniversityUniversity of TorontoUniversity Health NetworkMarch of Dimes CanadaToronto Rehabilitation Institute
Organismes subventionnairesUniversity of TorontoToronto Rehabilitation InstituteHeart and Stroke Foundation of Canada
Mots-clésRecreationGeneral partnershipFocus groupHealth careQualitative researchPsychologyMedical educationNursingApplied psychologyMedicineBusinessMarketingSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Community-based exercise programs integrating a healthcare-community partnership (CBEP-HCP) can facilitate lifelong exercise participation for people post-stroke. Understanding the process of implementation from multiple perspectives can inform strategies to promote program sustainability. Purpose: To explore stakeholders' experiences with undertaking first-time implementation of a group, task-oriented CBEP-HCP for people post-stroke and describe associated personnel and travel costs. Methods: We conducted a descriptive qualitative study within a pilot randomized controlled trial. In three cities, trained fitness instructors delivered a 12-week CBEP-HCP targeting balance and mobility limitations to people post-stroke at a recreation centre with support from a healthcare partner. Healthcare and recreation managers and personnel at each site participated in semi-structured interviews or focus groups by telephone post-intervention. Interviews and data analysis were guided by the Consolidated Framework of Implementation Research and Theoretical Domains Framework, for managers and program providers, respectively. We estimated personnel and travel costs associated with implementing the program. Results: Twenty individuals from three sites (4 recreation and 3 healthcare managers, 7 fitness instructors, 3 healthcare partners, and 3 volunteers) participated. We identified two themes related to the decision to partner and implement the program: (1) Program quality and packaging, and cost-benefit comparisons influenced managers' decisions to partner and implement the CBEP-HCP, and (2) Previous experiences and beliefs about program benefits influenced staff decisions to become instructors. We identified two additional themes related to experiences with training and program delivery: (1) Program staff with previous experience and training faced initial role-based challenges that resolved with program delivery, and (2) Organizational capacity to manage program resource requirements influenced managers' decisions to continue the program. Participants identified recommendations related to partnership formation, staff/volunteer selection, training, and delivery of program activities. Costs (in CAD) for first-time program implementation were: healthcare partner ($680); fitness coordinators and instructors ($3,153); and participant transportation (personal vehicle: $283; public transit: $110). Conclusion: ClinicalTrials.gov, NCT03122626. Registered April 17, 2017-Retrospectively registered, https://www.clinicaltrials.gov/ct2/show/NCT03122626.

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)0,020
score de la tête « metaresearch » (Gemma)0,035
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,035
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,004
Communication savante0,0040,005
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,043
Tête enseignante GPT0,429
Écart entre enseignants0,387 · 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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Rehabilitation SciencesMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207