Human Guide Training to Improve Hospital Accessibility for Patients Who Are Blind: Needs Assessment and Pilot Process Evaluation
Notice bibliographique
Résumé
Background: People with disabilities are a priority population for health services research. People who are blind or have low vision (B/LV) are a segment of this priority population, who experience difficulty in accessing health care facilities due to architectural and navigational barriers. These barriers persist despite disability civil rights law in the United States. Objective: The purpose of this study is to report on a program that was developed to train way finders in human guide technique for people who are B/LV. Methods: This study took place at Michigan Medicine, an academic medical center in southeast Michigan. We conducted a needs assessment through cohort discovery and soliciting expert feedback. The human guide training program was developed using the PRECEDE-PROCEED health promotion program development model and targeted health care volunteers and staff. The intended components included in-person training, a web-based module, and tip sheets. Due to COVID-19, the in-person training was not implemented. We report findings from a process evaluation, measuring reach, knowledge, behavioral capability, and satisfaction pre- and postprogram. Results: In total, 87 participants completed the training, and most of them were Michigan Medicine volunteers. There were significant improvements in behavioral capability related to the human guide technique. Participants were satisfied with the training and provided recommendations for more detailed demonstrations and scenarios in future training sessions. Conclusions: The training improves participants' knowledge and confidence in providing wayfinding assistance to patients who are B/LV. However, further in-person training is recommended to provide hands-on experience and detailed feedback. Addressing architectural barriers and providing accessible patient education materials is crucial for improving health care accessibility for patients who are B/LV.
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 | 0,046 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».