MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391808332 · doi:10.1371/journal.pone.0297162

Co-design for stroke intervention development: Results of a scoping review

2024· review· en· W4391808332 sur OpenAlexafffund
Hardeep Singh, Natasha Benn, Agnes Fung, Kristina M. Kokorelias, Julia Martyniuk, Michelle Nelson, Heather Colquhoun, Jill I. Cameron, Sarah Munce, Marianne Saragosa, Kian Godhwani, Aleena Khan, Paul Yejong Yoo, Kerry Kuluski

Notice bibliographique

RevuePLoS ONE · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensTrillium Health CentreInstitute for Work & HealthLunenfeld-Tanenbaum Research InstituteOntario Council of University LibrariesToronto Rehabilitation InstituteSinai Health SystemHospital for Sick ChildrenThe Scarborough HospitalPublic Health OntarioSickKids FoundationUniversity of TorontoUniversity Health Network
Organismes subventionnairesUniversity of TorontoMarch of Dimes Canada
Mots-clésPsychological interventionResearch designIntervention (counseling)Inclusion (mineral)Stroke (engine)Clinical study designApplied psychologyPsychologyRehabilitationMedical educationComputer scienceMedicinePhysical therapyNursingEngineeringSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Co-design methodology seeks to actively engage end-users in developing interventions. It is increasingly used to design stroke interventions; however, limited guidance exists, particularly with/for individuals with stroke who have diverse cognitive, physical and functional abilities. Thus, we describe 1) the extent of existing research that has used co-design for stroke intervention development and 2) how co-design has been used to develop stroke interventions among studies that explicitly used co-design, including the rationale, types of co-designed stroke interventions, participants involved, research methodologies/approaches, methods of incorporating end-users in the research, co-design limitations, challenges and potential strategies reported by researchers. MATERIALS AND METHODS: A scoping review informed by Joanna Briggs Institute and Arksey & O'Malley methodology was conducted by searching nine databases on December 21, 2022, to locate English-language literature that used co-design to develop a stroke intervention. Additional data sources were identified through a hand search. Data sources were de-duplicated, and two research team members reviewed their titles, abstracts and full text to ensure they met the inclusion criteria. Data relating to the research objectives were extracted, analyzed, and reported numerically and descriptively. RESULTS: Data sources used co-design for stroke intervention development with (n = 89) and without (n = 139) explicitly using the term 'co-design.' Among studies explicitly using co-design, it was commonly used to understand end-user needs and generate new ideas. Many co-designed interventions were technology-based (65%), and 48% were for physical rehabilitation or activity-based. Co-design was commonly conducted with multiple participants (82%; e.g., individuals with stroke, family members/caregivers and clinicians) and used various methods to engage end-users, including focus groups and workshops. Limitations, challenges and potential strategies for recruitment, participant-engagement, contextual and logistical and ethics of co-designed interventions were described. CONCLUSIONS: Given the increasing popularity of co-design as a methodology for developing stroke interventions internationally, these findings can inform future co-designed studies.

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)0,206
score de la tête « metaresearch » (Gemma)0,403
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,206
Score d'incertitude au seuil0,979

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2060,403
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0100,014
Bibliométrie0,0410,052
Études des sciences et des technologies0,0030,002
Communication savante0,0120,008
Science ouverte0,0030,009
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,233
Tête enseignante GPT0,415
Écart entre enseignants0,182 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetStroke Rehabilitation and Recovery→Travaux en français237 207→