P-608 MAKING MOTIVATIONAL INTERVIEWING MORE ACCESSIBLE IN WORK REHABILITATION
Notice bibliographique
Résumé
Abstract Introduction Motivational Interviewing (MI) is a person-centered communication approach. To promote its implementation, a feasible and plausible adaptation for work rehabilitation is needed. Objective To adapt a MI intervention for work rehabilitation. Method A consensus approach was used with 9 clinician experts (occupational therapists, physiotherapists, psychologists), including one MI expert psychologist. The expert clinicians had more than 2 years of experience in work rehabilitation for musculoskeletal disorders and more than 6 hours of MI training. Based on our review of the MI literature, a draft MI intervention outlined in a logic model was created and submitted to the experts, along with a questionnaire to assess agreement on the feasibility and plausibility of the logic model. Where there was disagreement, improvements were suggested. Subsequently, group meetings with the experts helped to reach consensus on the final version of the model. Results In total, 17 statements (51.5%) in the questionnaire reached consensus (agreement score ≥85%). The 16 statements that did not reach consensus (48.5%) generated 96 proposals (1 to 6 per statement) that were discussed in three 2-hour sessions. The experts agreed on the resources/tools required to carry out the 18 activities to achieve the five outcomes necessary to support workers’ self-determination in their work rehabilitation. Training recommendations were made to support implementation. Conclusions An operationalized MI intervention for work rehabilitation is now available for integration into existing programs. The next step will be to evaluate the usability of MI training in work rehabilitation.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».