Equipping Change Agents: Applying Mixed Methods to Learn About the Outcomes of the Co-Designed Caregiver-Centered Care Champions Education Program
Notice bibliographique
Résumé
Family caregivers provide most daily care for people living with chronic illness or frailty, yet they remain under-recognized in health and social care systems. To address this gap, we co-designed the Caregiver-Centered Care Champions Education Program, which equips frontline providers with the competencies needed to lead caregiver-inclusive change. Guided by the Kirkpatrick-Barr Health Workforce Education Framework, we conducted a mixed methods interpretive description evaluation of learner satisfaction, knowledge and confidence gains, and self-reported behaviour change. Sixty-seven interdisciplinary participants completed three online modules. Quantitative results from pre/post surveys (Wilcoxon signed rank tests) showed significant improvements across all competencies (p < 0.001; large effect sizes) alongside high satisfaction (means 6.56–6.96/7). Qualitative findings revealed that 94% of participants applied program content within three months, and 61% implemented five or more distinct behaviour changes (e.g., collaborative care planning, system navigation support). The analysis illuminated how learners integrated caregiver-centred principles with change leadership strategies. Time constraints and staffing shortages emerged as key barriers. Our co-designed, theory-informed approach effectively bridged individual learning and system change, demonstrating the potential to transform caregiver inclusion practices when supported by organizational policies.
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 | 0,108 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».