Researcher and patient experiences of co-presenting research to people living with systemic sclerosis at a patient conference: content analysis of interviews
Notice bibliographique
Résumé
BACKGROUND: Patient engagement in research is important to ensure research questions address problems important to patients, that research is designed in a way that can effectively answer those questions, and that findings are applicable, relevant, and credible. Yet, patients are rarely involved in the dissemination stage of research. This study explored one way to engage patients in dissemination, through co-presenting research. METHODS: Semi-structured, one-on-one, audio-recorded interviews were conducted with researchers and patients who co-presented research at one patient conference (the 2022 Canadian National Scleroderma Conference) in Canada. A pragmatic orientation was adopted, and following verbatim transcription, data were analyzed using conventional content analysis. RESULTS: Of 8 researchers who were paired with 7 patients, 5 researchers (mean age = 28 years, SD = 3.6 years) and 5 patients (mean age = 45 years, SD = 14.2 years) participated. Researcher and patient perspectives about their experiences co-presenting and how to improve the experience were captured across 4 main categories: (1) Reasons for accepting the invitation to co-present; (2) Degree that co-presenting expectations were met; (3) The process of co-presenting; and (4) Lessons learned: recommendations for co-presenting. CONCLUSIONS: Findings from this study suggest that the co-presenting experience was a rewarding and enjoyable way to tailor research dissemination to patients. We identified a patient-centred approach and meaningful and prolonged patient engagement as essential elements underlying co-presenting success.
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 | 0,016 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».