MétaCan
Menu
Retour à la cohorte
Enregistrement W4389883470 · doi:10.2196/43309

Stakeholders’ Perspectives, Needs, and Barriers to Self-Management for People With Physical Disabilities Experiencing Chronic Conditions: Focus Group Study

2023· article· en· W4389883470 sur OpenAlexvenueno aff
Eric J. Evans, Ayse Zengul, Amy Knight, Amanda L. Willig, Andrea Cherrington, Tapan Mehta, Mohanraj Thirumalai

Notice bibliographique

RevueJMIR Rehabilitation and Assistive Technologies · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensnon disponible
Organismes subventionnairesAdministration for Community LivingU.S. Department of Health and Human Services
Mots-clésFocus groupThematic analysisSelf-managementContext (archaeology)PsychologyQualitative researchPhysical disabilityPopulationMedical educationMedicineComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: While self-management programs have had significant improvements for individuals with chronic conditions, less is known about the impact of self-management programs for individuals with physical disabilities who experience chronic conditions, as no holistic self-management programs exist for this population. Similarly, there is limited knowledge of how other stakeholders, such as caregivers, health experts, and researchers, view self-management programs in the context of disability, chronic health conditions, and assistive technologies. OBJECTIVE: This study aimed to obtain insight into how stakeholders perceive self-management relating to physical disability, chronic conditions, and assistive technologies. METHODS: Nine focus groups were conducted by 2 trained facilitators using semistructured interview guides. Each guide contained questions relating to stakeholders' experiences, challenges with self-management programs, and perceptions of assistive technologies. Focus groups were audio recorded and transcribed. Thematic analysis was conducted on the focus group data. RESULTS: A total of 47 individuals participated in the focus groups. By using a constructivist grounded approach and inductive data collection, three main themes emerged from the focus groups: (1) perspectives, (2) needs, and (3) barriers of stakeholders. Stakeholders emphasized the importance of physical activity, mental health, symptom management, medication management, participant centeredness, and chronic disease and disability education. Participants viewed technology as a beneficial aide to their daily self-management and expressed their desire to have peer-to-peer support in web-based self-management programs. Additional views of technology included the ability to access individualized, educational content and connect with other individuals who experience similar health conditions or struggle with caregiving duties. CONCLUSIONS: The findings suggest that the development of any web-based self-management program should include mental health education and resources in addition to physical activity content and symptom management and be cost-effective. Beyond the inclusion of educational resources, stakeholders desired customization or patient centeredness in the program to meet the overall needs of individuals with physical disabilities and caregivers. The development of web-based self-management programs should be holistic in meeting the needs of all stakeholders. TRIAL REGISTRATION: ClinicalTrials.gov NCT05481593; https://clinicaltrials.gov/study/NCT05481593.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,009
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,002
Communication savante0,0020,003
Science ouverte0,0010,005
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 Opus0,019
Tête enseignante GPT0,303
Écart entre enseignants0,284 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Rehabilitation and Assistive TechnologiesMême sujetDiabetes Management and EducationTravaux en français237 207