Online environmental scan and content analysis of social stories about needle procedures
Notice bibliographique
Résumé
Needle procedures are often difficult for autistic children. Preparatory education is an evidence-based strategy that is especially important for autistic children given they commonly struggle with unpredictability. Carol Gray developed Social Stories to walk autistic children through new/challenging situations step-by-step. Although needle-related Social Stories exist online, no research has investigated whether their content aligns with best practices for needle pain and fear management and Gray's guidelines for Social Story development. OBJECTIVE: This study aimed to characterize the content of online Social Stories about vaccination and venipuncture. Specifically, the degree to which Social Stories (a) depict evidence-based/helpful and unhelpful coping strategies, (b) follow Gray's guidelines, and (c) depict accurate procedural steps, was examined in an exploratory manner. METHODS: An online environmental scan (systematic method of collecting and synthesizing information) characterized the content of Social Stories. A Google search was conducted, including free, English-language stories. After screening, two coders conducted deductive content analysis (>80 codes) with the sample of 82 eligible Social Stories; frequency statistics and quotes were derived. RESULTS: Most Social Stories focused on vaccination (89%). Social Stories commonly conveyed evidence-based strategies (e.g., 70% depicted distraction), accurate procedural information (e.g., >80% depicted step of needle insertion), and followed Gray's guidelines (e.g., 90% had meaningful titles). Several areas for improvement exist, including allowing for user customization and depicting less commonly shown evidence-based strategies like topical anesthetics. CONCLUSION: Social Stories may have utility for supporting autistic children and their caregivers through needle procedures. Examining effectiveness/outcomes of usage is a future research avenue.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».