MétaCan
Menu
Retour à la cohorte
Enregistrement W4415506035 · doi:10.2147/amep.s539091

Creating Safe Connections: A Co-Designed E-Learning Module to Advance Equity and Social Accountability in Preventative Primary Care

2025· article· en· W4415506035 sur OpenAlexafffundabout
Ambreen Sayani, Zeenat Ladak, Jackie Manthorne, Erika Nicholson, Gary Bloch, Janet Parsons, Stephen W. Hwang, Bikila Amenu, Howard Freedman, Tara Jeji, Angus Pratt, Vinesha Ramasamy, C. Nadine Wathen, Jennifer C. D. MacGregor, Danielle Dilkes, Aïsha Lofters

Notice bibliographique

RevueAdvances in Medical Education and Practice · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensGolder Associates (Canada)Western UniversitySt. Michael's HospitalCanadian Partnership Against CancerUniversity of TorontoCanadian Cancer SocietyWomen's College Hospital
Organismes subventionnairesPartenariat Canadien Contre Le Cancer
Mots-clésPrimary careAccountabilityEquity (law)Psychological interventionCitizen journalismWork (physics)Social carePreventive care

Résumé

récupéré en direct d'OpenAlex

Purpose: Lung cancer is the leading cause of cancer-related deaths worldwide and in Canada. Primary care providers (PCPs) play a vital role in incorporating lung cancer prevention and early detection into routine practice. This study outlines the co-design of Creating Safe Connections , an e-learning module developed to build PCPs’ capacity to deliver equity-oriented preventative care. Methods: This manuscript describes the pre-design and co-design phases of the innovation process, guided by the Generative Co-Design Framework for Healthcare Innovation. The pre-design phase established a governance structure comprising patient partners with lived/living experience and interest-holders including PCPs. During the co-design phase, key module priorities and research goals were identified, including barriers to access, stigma and trauma, and operationalizing equity-oriented care. All aspects of the module—its name, logo, content, and knowledge mobilization strategies—were co-developed with the patient partners and health system partners. To inform the e-learning module content, interviews were conducted with community-based PCPs in Ontario, Canada to explore how they apply equity-oriented skills in practice. Interviews were analyzed using deductive content analysis. Results: PCPs’ (five family physicians, two nurse practitioners) interview analysis was informed by the four pillars of Trauma- and Violence-Informed Care: recognizing the impact of trauma and violence; creating emotionally, culturally, and physically safe environments; promoting choice, collaboration, and connection; and adopting a strengths-based, capacity-building approach. These themes shaped the co-design of a Continuing Medical Education-accredited module, which includes video narratives, case studies, a learner’s notebook, and interactive assessments. Conclusion: This work offers a model for the participatory co-design of equity-focused educational interventions that bridge gaps in provider training while aligning with the care needs and priorities identified by structurally underserved populations. The module uses lung cancer screening as a case example to illustrate approaches to addressing inequities in preventative care. Keywords: patient-partnered, accessibility, asynchronous learning, patient-centered care, lung cancer screening, smoking cessation, trauma- and violence-informed care, co-design, lived experience expertise

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,562
Écart entre enseignants0,478 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAdvances in Medical Education and PracticeMême sujetMental Health and Patient InvolvementTravaux en français237 207