Patient-centered perspectives: A qualitative evaluation of the Hip Instructional Prehabilitation Program for Enhanced Recovery (HIPPER)
Notice bibliographique
Résumé
Over 55,000 total hip replacement (THR) surgeries were performed in Canada in 2021, with the number rising each year. Excluding rehabilitation, the cost of hip replacement procedures exceeded $675 million, a large burden on the Canadian healthcare system. Considering this large financial impact, prehabilitation delivered through electronic health (eHealth) can improve post-surgical outcomes and reduce overall healthcare expenditures by enhancing recovery and reducing hospital length of stay. This study utilized grounded theory to examine user experience of the Hip Instructional Prehabilitation Program for Enhanced Recovery (HIPPER), an eHealth approach to prehabilitation education. Participants were purposively sampled and conventional content analysis was conducted on 18 transcribed semi-structured interviews with participants who completed the HIPPER program in preparation for THR surgery. We identified three categories and seven subcategories: 1) 'That wasn't so hard!', with the subcategories easy to use, learning information and appreciating HIPPER, which describe how participants were able to learn information and use the modules easily; 2) 'I'm ready', comprising of the subcategories being prepared for surgery and having a smooth and good experience which relates to how participants were prepared and confident going into surgery; 3) 'I'd like to have seen', including the subcategories having differing experiences and suggesting additions, which explore participants' constructive criticism and ideas for improvement. Our results show useful features to include in eHealth programs and demonstrate how educational prehabilitation in the form of eHealth is helpful and usable for older adults undergoing THR. We also discuss and inform the integration of feedback and development of eHealth programs for elective surgical procedures. This study was registered with ClinicalTrials.gov on November 21, 2016 with the registration number NCT02969512.
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 | 0,034 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,011 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».