Spanish Translation, Adaptation, and Validation of Strategies to Mitigate Cardiac Rehabilitation Barriers
Notice bibliographique
Résumé
Background: Despite its demonstrated benefits, cardiac rehabilitation (CR) is grossly underutilized. Validated interventions are needed to mitigate the established barriers to accessing and adhering to these services. A strategy has been created based on the Cardiac Rehabilitation Barriers Scale (CBRS), by the International Council of Cardiovascular Prevention and Rehabilitation (ICCPR), with initial support of helpfulness. Purpose: To translate, adapt, and content validate the CR barrier mitigation strategy for the Colombian context. Methods: A 2-phase exploratory sequential multimethod study was conducted in accordance with best practices. The 21 barrier mitigation strategies were first translated to Spanish by a bilingual health care professional and then adapted for the Colombian population following semi-structured interviews with 6 Colombian CR staff. The second phase of content validation involved 8 experts and 8 CR patients, who evaluated the mitigation strategies regarding engagement, comprehensibility, applicability, acceptability, and motivation on a 5-point Likert scale (higher scores more favorable). The content validity coefficient was computed. Results: Content analysis of interviews resulted in revisions to all 21 Spanish barrier mitigation strategies. Content validity of the revised version was rated as at least acceptable (≥0.70) for all 21 strategies, but each strategy was rated as requiring revision on 1 to 4 of the above indicators. Revisions ensued accordingly. Conclusions: The rigorous adaptation and content validation process has established the Spanish CR barrier mitigation strategies, which will now be tested at the bedside in a randomized controlled trial in Colombia to determine effect on CR use.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».