The Use of Arts‐Based Methods to Enhance Patient Engagement in Health Research
Notice bibliographique
Résumé
INTRODUCTION: Patient and care partner engagement in research (PER) is important in generating knowledge to improve healthcare. Arts-based methods (ABM) use art in the research process to share aesthetic knowledge, which is knowledge that may be too complex to share only verbally. Together, PER and ABM are potentially synergistic, as both are participatory, problem-focused, dialogic, and collaborative; yet little is known of the utility of ABM for PER. METHODS: A narrative review was performed to identify, collate, and summarize the ways ABM has been used with PER and share the impacts of ABM on PER. The databases CINAHL, Scopus, and PubMed were searched, and 15 articles were included. RESULTS: A wide variety of ABM were used for PER, with some studies using multiple ABMs. The use of ABM for PER was reported to be decolonizing, shifted power from researchers to people with lived experience, and reduced tokenism. People with lived experience shared their knowledge directly through their art, deepening the understanding of their emotions, feelings, and relationships. CONCLUSION: Researchers should consider the benefits of the participatory nature of ABM and explore how to engage people with lived experience in their work beyond data collection. Researchers engaging people with lived experience should consider using ABM as a way to operationalize PER to elicit aesthetic knowledge and strengthen power equalization. PATIENT OR PUBLIC CONTRIBUTION: No patients or members of the public contributed to this review due to a lack of funding to support their meaningful involvement.
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 | 0,111 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».