MétaCan
Menu
Retour à la cohorte
Enregistrement W4403362879 · doi:10.4017/gt.2024.23.s.1066.opp

Intervention mapping of a mobility outcomes monitoring system for geriatric patients

2024· article· en· W4403362879 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueGerontechnology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensNOSM University
Organismes subventionnairesUniversité de Montréal
Mots-clésIntervention (counseling)Geriatric careGerontologyMedicinePhysical medicine and rehabilitationPsychologyNursing

Résumé

récupéré en direct d'OpenAlex

Purpose Evidence suggests that providing training and follow-up for older adults with mobility limitations after mobility device provision can improve adherence to device use and function (Best et al., 2016), but there is a lack of systematic and coordinated services.To address this gap, a theoretically informed digital intervention called MOvIT+ was designed to provide remote monitoring and support for older adults and their caregivers (Auger et al., 2022).This paper explicitly describes how, using intervention mapping (Eldredge et al., 2016) and a novel approach to a collective decision-making method, the features of the intervention were linked with intervention users' needs and program outcomes for older adults using mobility assistive technology, their caregivers, and health professionals.Method A user-centered design grounded in a 6-step intervention mapping approach (Eldredge et al., 2016).Older adults and their caregivers were involved in the co-design process to ensure the intervention addressed their needs.Results and Discussion In step 1, a logic model was created, a governance structure for the project was established, and 66 potential functionalities were identified.For step 2, a novel modified TRIAGE approach was used to prioritize 36 intervention features (Table 1).Step 3 consisted of establishing a theoretical framework and creating 28 use-case scenarios for all intervention users (assistive technology users, caregivers, clinicians, managers, and research staff).In step 4, the digital infrastructure for the monitoring intervention was constructed and more than 130 training resources were gathered to address an array of potential problems with the use of assistive technologies.In step 5, an iterative implementation plan was devised with the steering committee and improved continuously by the participating sites' feedback.Lastly, for step 6, an evaluation protocol was finalized.In conclusion, by utilizing an intervention mapping approach, the complexities of a multi-component digital intervention were manageable due to the stepwise approach and the resulting logic model.The systematic and collaborative approach used ensures the intervention features will meet targeted objectives.Furthermore, the explicit links between intervention features and behavior changes will assist evaluation in future 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,301
Écart entre enseignants0,281 · 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