Developing a Research Agenda on Resident-to-Resident Aggression: Recommendations From a Consensus Conference
Notice bibliographique
Résumé
This article provides an overview of the development of a research agenda on resident-to-resident aggression (RRA) in long-term care facilities by an expert panel of researchers and practitioners. A 1-day consensus-building workshop using a modified Delphi approach was held to gain consensus on nomenclature and an operational definition for RRA, to identify RRA research priorities, and to develop a roadmap for future research on these priorities. Among the six identified terms in the literature, RRA was selected. The top five priorities were: (a) developing/assessing RRA environmental interventions; (b) identification of the environmental factors triggering RRA; (c) incidence/prevalence of RRA; (d) developing/assessing staff RRA education interventions; and (e) identification of RRA perpetrator and victim characteristics. Given the significant harm RRA poses for long-term care residents, this meeting is an important milestone, as it is the first organized effort to mobilize knowledge on this under-studied topic at the research, clinical, and policy levels.
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 | 0,530 | 0,381 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,018 | 0,012 |
| Études des sciences et des technologies | 0,020 | 0,011 |
| Communication savante | 0,025 | 0,038 |
| Science ouverte | 0,018 | 0,037 |
| Intégrité de la recherche | 0,046 | 0,048 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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 ».