The spinal cord injury (SCI) peer support evaluation tool: the development of a tool to assess outcomes of peer support programs within SCI community-based organizations
Notice bibliographique
Résumé
STUDY DESIGN: Guided by the 4-step process outlined in the Consensus-based Standards for the selection of health Measurement INstruments (COSMIN) guideline, multiple methodologies were used: Delphi, literature reviews, ratings with consensus, think-aloud, and test-retest. OBJECTIVES: The purpose of this study was to develop and test a spinal cord injury (SCI) peer support evaluation tool that meets the needs of community-based SCI organizations in Canada. SETTING: Peer support programs for people with SCI delivered by community-based SCI organizations. METHODS: This research was co-constructed with executives and staff from SCI community-based organizations, people with SCI, researchers, and students. Given the multiple steps of this study, sample size and characteristics varied based on each step. Participants included people with SCI who received peer support (mentees) or provided peer support (mentors/supporters) and staff of community-based organizations. RESULTS: In step 1, the 20 most important outcomes for SCI peer support were identified. In step 2 and 3, the 97 items were identified to assess the outcomes and by using rating and multiple consensus methodologies 20 items, one to assess each outcome, were selected. In step 4, content and face validity and test-retest reliability were achieved. The resulting SCI Peer Support Evaluation Tool consists of 20 single-item questions to assess 20 outcomes of SCI peer support. CONCLUSION: Through a systematic process, the SCI Peer Support Evaluation Tool is now ready to be implemented to assess outcomes of SCI peer support programs delivered by community-based SCI organizations.
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 | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».