MétaCan
Menu
Retour à la cohorte
Enregistrement W4408250739 · doi:10.1016/j.injury.2025.112259

Peer support experiences and needs across the continuum of trauma care: A qualitative study of traumatic injury survivor, caregiver, and provider perspectives

2025· article· en· W4408250739 sur OpenAlexafffund
Marina B. Wasilewski, Logan Reis, Abirami Vijayakumar, Jaylyn Leighton, Sander L. Hitzig, Robert Simpson, Amanda L. Mayo, Kelly Vogt, Amanda McFarlan, Barbara Haas, Kerry Kuluski, Crystal MacKay, Lawrence R. Robinson, Rob Fowler, Christine Sheppard, Monica Cassin, David Guo, Di Prospero Lisa, Laurie Legere

Notice bibliographique

RevueInjury · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensOntario College of Art and DesignWest Park Healthcare CentreTrillium Health CentreQueen's UniversityLondon Health Sciences CentreUniversity of TorontoSunnybrook HospitalHealth Sciences CentreInstitute for Clinical Evaluative SciencesSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPsychosocialPeer supportPsychologyMedicineSocial supportMental healthNursingClinical psychologyPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Traumatic injuries significantly impact individuals' physical and mental health and are a leading cause of disability worldwide. Trauma recovery is complex and entails patients interacting with multiple places of care before returning to the community. Despite trauma recovery being optimized when patients' psychosocial needs are addressed early on and throughout recovery, care remains overwhelmingly focused on physical and functional improvement. Peer support is a cost-effective way of providing emotionally and experientially-driven psychosocial support that complements usual patient care. Thus, we aimed to explore the experiences of trauma survivors, family caregivers, and healthcare providers (HCPs) with engaging in and facilitating peer support and to identify their priorities for a future peer support program. METHODS: Qualitative descriptive approach. Trauma survivors, caregivers and HCPs were recruited from three major trauma centres in Ontario. We conducted one-one-one interviews with participants which were recorded and transcribed. Data was thematically analyzed by multiple analysts to reduce bias and enhance data reliability. RESULTS: We interviewed n=16 trauma survivors, n=4 caregivers, and n=16 HCPs. We identified four themes: (1) "It's a major change": Navigating life after injury is challenging and characterized by uncertainty; "I just needed somebody just to talk to:" Peer support helps trauma survivors feel like they're not alone; (3) "You can learn off each other": Peer support is multi-faceted and facilitates recovery in ways that other supports cannot; and (4) "If other people say negative things…that makes things worse": Tensions exist between the benefits of peer support and the risk of unintended negative consequences. Overall, to meet trauma survivors' socialization needs and enhance the efficacy of interventions, it is recommended that peer support to be offered via a range of modalities. CONCLUSIONS: Our study demonstrates that peer support is valued across stakeholders and has the potential to positively impact the psychosocial health of trauma survivors throughout recovery. Future development of a cross-continuum peer support program will consider how to connect peers early on after injury and sustain these relationships into community recovery.

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)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0110,004
Communication savante0,0040,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,104
Tête enseignante GPT0,489
Écart entre enseignants0,385 · 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'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueInjuryMême sujetMental Health and Patient InvolvementTravaux en français237 207