1 Co-designing a cardiac rehabilitation program with knowledge users for patients with cardiovascular disease from a remote area
Notice bibliographique
Résumé
Background Cardiovascular disease is the leading cause of death worldwide. Cardiac rehabilitation (CR) programs are recognized as effective in reducing the burden of cardiovascular disease. CR programs are offered inequitably and are available in less than 15% of the world’s remote areas. Aim This study was to design a CR program adapted to the contexts of remote areas, in order to improve the service offer for patients. Methods We used an iterative user-centered design approach to understand the user context and services offered in CR in remote areas. We conducted two co-design processes with two advisory committees created in two remote regions, composed of managers (n = 6), healthcare professionals (n = 12) and patients (n = 2). We used the guidelines of CR available at the time of the study (BACPR, 2017) to conceptualise data collection for the development of the CR program. We conducted four cycles of co-design with each of the committees. Qualitative data were analysed iteratively after each cycle. Results The co-design process led to the development of a prototype CR program that is similar in both regions, based on a six-phase care and service trajectory contextualized to remote areas. Participants made structural changes to phases 0, 2, 3 and 4 in order to overcome staffing shortages in remote areas. These changes made it possible to decentralise CR expertise away from specialised centers, to ensure equity of service across the territory. Therapeutic patient education was integrated into phase 4 to meet patients‘ needs. All the participants suggested that three follow-up offers could come from nursing services in order to increase access to the CR programme (primary care, home care, special programmes for chronic illnesses) in patients‘ home communities. Conclusion The co-design process enables us to meet the needs of remote areas in program development. This final program can be the subject of future implementation research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».