MétaCan
Menu
Retour à la cohorte
Enregistrement W1968830885 · doi:10.1080/02701960802690233

Sustained Transfer of Knowledge to Practice in Long-Term Care: Facilitators and Barriers of a Mental Health Learning Initiative

2009· article· en· W1968830885 sur OpenAlexaff
Paul Stolee, Carrie McAiney, Loretta M. Hillier, Diane Harris, Pam Hamilton, Linda Kessler, Victoria Madsen, J. Kenneth Le Clair

Notice bibliographique

RevueGerontology & Geriatrics Education · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensSt Joseph's Health CareSt. Joseph’s Healthcare HamiltonProvidence Health CareUniversity of WaterlooLawson Health Research InstituteMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNursingLong-term careSustainabilityMental healthAffect (linguistics)Knowledge transferResource (disambiguation)PsychologyMedicineKnowledge managementPsychiatry

Résumé

récupéré en direct d'OpenAlex

This article explores facilitators and barriers to the impact and sustainability of a learning initiative to increase capacity of long-term care (LTC) homes to manage the mental health needs of older persons, through development of in-house Psychogeriatric Resource Persons (PRPs). Twenty interviews were conducted with LTC staff. Management support, particularly designation of time for PRP activities, development of PRP teams, and supportive learning strategies were significant factors affecting sustained knowledge transfer. Continuing education that is provided and evaluated on an ongoing basis, secures management commitment, is integrated within a broader system strategy, and provides on-the-job support has the greatest potential to affect care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,547
Score d'incertitude au seuil0,663

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,410
Écart entre enseignants0,387 · 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 tête enseignante, 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

Citations39
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGerontology & Geriatrics EducationMême sujetGeriatric Care and Nursing HomesTravaux en français237 207