Developing a transition workshop for adolescents with sickle cell disease
Notice bibliographique
Résumé
Background: The transfer from paediatric to adult care presents a significant challenge for adolescents and young adults (AYA) with sickle cell disease (SCD). Disease self-management skills have been recognized as important mediators of poor health outcomes, but transition-related skills such as scheduling appointments and understanding the shift in health care responsibilities remain under taught in the healthcare system. The purpose of this quality improvement (QI) study was to (1) understand the areas of disease self-management that AYA patients felt underprepared for, and (2) design and evaluate an educational program addressing the top unmet skills. Methods: The Plan-Do-Study-Act (PDSA) model was implemented in a tertiary outpatient clinic between September 2020 and July 2021. Patients were surveyed during regular clinic visits to identify their priorities on disease self-management skills. Based on the results, a virtual workshop was created and administered three separate times. Feedback was collected using an electronic survey. Results: 'Navigating the adult health care system' was the top self-management skill that AYA patients (n = 39) identified needing more support with. The majority of participants (79%, n = 14) reported that the virtual workshop was excellent, with 'appointment management' being the most useful topic discussed. Participants also reported feeling more confident (71%) and aware (86%) of how to navigate adult care. Conclusion: This QI study showed that delivering a virtual workshop on transition skills was well received by AYA participants with SCD. The PDSA framework was useful for identifying specific knowledge gaps in transition aged AYA to help improve patient education in a well-established transition program.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».