Co-Design and Mixed-Methods Evaluation of a Digital Diabetes Education Intervention for Nursing Homes: Study Protocol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Diabetes is common among nursing home residents, with approximately one in four affected, a figure expected to rise. Despite the complexity of care required, educational support for nursing home staff remains limited. This study will aim to co-design and evaluate a digital intervention to improve staff knowledge, confidence, and practices in diabetes care. Methods: The study will follow a logic model across three workstreams. Workstream 1 (WS1) will inform the model inputs through three phases: (1) a scoping review will be conducted to summarise existing diabetes education initiatives in nursing home settings; (2) approximately 20 semi-structured interviews will be carried out with nursing home staff to explore perceived barriers and supports in delivering diabetes care; and (3) a modified Delphi process involving 50–70 diverse stakeholders will be used to establish educational priorities. Workstream 2 (WS2) will involve co-designing a digital diabetes education intervention, informed by WS1 findings. Co-design participants will include nursing home staff, diabetes professionals, and people living with diabetes or their carers. Workstream 3 (WS3) will consist of a mixed-methods evaluation of the intervention. Pre- and post-intervention questionnaires will assess staff knowledge, confidence, and attitudes. The usability of the intervention will also be measured. Following implementation, focus groups with approximately 32 staff members will be conducted to explore user experiences and perceived impact on resident care. Discussion: This study will address an important gap in staff education and support, aiming to improve diabetes care within nursing home settings through a digitally delivered, co-designed intervention.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle