Understanding user-perceived benefits of an online self-management program with peer mentor support for lower limb loss: A mixed-methods study
Notice bibliographique
Résumé
BACKGROUND: People with lower limb loss face physical and psychological challenges that impact daily life. While self-management programs can help, access is often limited due to in-person delivery. eHealth offers a more accessible alternative, yet few comprehensive program exists. OBJECTIVES: This study investigated the perceived benefits and usefulness of an eHealth self-management program, delivered by peer mentor support, for individuals with lower limb loss. STUDY DESIGN: A mixed-methods approach was used. METHODS: Adults with a unilateral transtibial or transfemoral amputation, who had been casted for their initial prosthesis within the past year, used the eHealth program for 6 weeks, and met with a peer mentor weekly throughout the program. The eHealth program offered information on goal setting, emotional and physical wellness, home modifications, use of a prosthesis, residual limb care, daily activities, and exercise. User experiences were explored through semistructured interviews and the Perceived Usefulness questionnaire. RESULTS: Twelve participants, with a median age of 56 (range 26-79) years, took part in the study. The median Perceived Usefulness score was 69 out of 85 (range 61-75). The study revealed 2 themes. The first theme, "Pursuing Goals," highlighted the important role of the eHealth program and peer support in establishing, actively working toward, and ultimately achieving realistic goals. The second theme, "Augmenting Education," characterized the eHealth program as an invaluable educational resource that supported participants in gaining new knowledge and reviewing previously learned content. CONCLUSIONS: This study underscores the potential for further refinement and evaluation of the self-management program. An eHealth program with support of a peer mentor that enables goal setting has the potential to augment postoperative self-management in individuals with lower limb loss regardless of their geographical location.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».