MétaCan
Menu
Retour à la cohorte
Enregistrement W4402855097 · doi:10.1093/eurpub/ckae114.224

S06-3: We Walk. Developing and pilot testing a dyadic intervention to promote outdoor walking in people after stroke: benefits, challenges and solutions

2024· article· en· W4402855097 sur OpenAlexaff
Jacqui Morris, Linda Irvine, Tricia Tooman, Stephan U Dombrowski, Brendan Mc Cormarck, Frederik van Wijk, Maggie Lawrence

Notice bibliographique

RevueEuropean Journal of Public Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Physical medicine and rehabilitationStroke (engine)PsychologyPhysical therapyMedicinePsychiatryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose After stroke, physical activity (PA) levels are low, risking secondary stroke, cardiovascular disease, falls and poor mobility. Regular PA reduces these risks. Walking is a preferred PA option for stroke survivors, and social support influences uptake and maintenance of behaviours. We therefore developed WeWalk, a person-centred, dyadic peer-support behavioural intervention supported by walking buddies, to promote regular walking after stroke. This study evaluated participants’ experiences of WeWalk to refine it ready for effectiveness testing and implementation. Methods Intervention: WeWalk involved facilitated face-to-face and telephone sessions with a researcher with behaviour change training, supported by intervention handbooks and diaries. Dyads agreed walking goals and plans, monitored progress, and developed strategies for maintaining walking. Evaluation Data were collected through semi-structured interviews and facilitator fieldnotes during intervention delivery, and were analysed using thematic analysis, guided by a theoretical framework of acceptability. Results We recruited 21 dyads comprising community-dwelling PWS and their walking buddies. Eighteen dyads completed exit interviews, one dyad was lost to follow-up and two withdrew with ill-health. We identified three themes: acceptability evolves with experience, mutuality, and person-centredness with personally relevant tailoring. As dyads recognised how WeWalk components supported walking, perceptions of acceptability grew. Effort receded as goals and enjoyment of walking together were realised. The dyadic structure provided accountability, and participants’ confidence developed as they experienced physical and psychological benefits of walking. WeWalk required careful facilitation. It worked best when dyads exhibited relational connectivity and mutuality in setting and achieving goals however in a few dyads agreeing and enacting mutual goals was more challenging. Tailoring intervention components to individual circumstances and values supported dyads in achieving meaningful goals. Conclusions WeWalk is feasible and acceptable, illustrating the potential of dyadic interventions after stroke. However, its complexity requires considered implementation strategies. Data highlight the need for careful matching of dyads, facilitation of dyadic working by practitioners who can support development of dyadic relationships; and community structures linked to healthcare pathways that support implementation. We have worked with charities health services organisations to plan and develop these implementation strategies and report the challenges and potential solutions to delivering this complex intervention.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,127
Tête enseignante GPT0,327
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Public HealthMême sujetStroke Rehabilitation and RecoveryTravaux en français237 207