Implementation of Mental Health Huddles on Dementia Care Units
Notice bibliographique
Résumé
RÉSUMÉ Les comportements réactifs sont communs chez les résidents des unités de soins de longue durée (SLD), mais le personnel en soins directs reçoit peu de formation, de support ou d’opportunités de discuter et de collaborer pour gérer ces comportements. Pour ce projet de recherche-action participative, nous avons utilisé la technique du caucus de santé mentale pour faciliter la discussion et la gestion des comportements réactifs. Nous avons impliqué des membres du personnel en soins directs (p. ex., travailleurs de soutien personnel, infirmières autorisées et auxiliaires autorisées, personnel d’entretient) dans l’apprentissage de l’utilisation des caucus. Ces caucus ont servi de forums pour informer le personnel, résoudre des problèmes et développer des plans d’action centrés sur le client. Cinquante-six caucus ont eu lieu sur une période de 12 semaines, chacun impliquant de deux à sept membres du personnel en soins directs. Des groupes de discussion auxquels ont pris part nos participants ont indiqué une amélioration de la collaboration, du travail d’équipe, du support et de la communication au sein du personnel lors de la discussion de comportements réactifs spécifiques. Les caucus de santé mentale ont offert au personnel en SLD l’opportunité de collaborer et d’aborder des stratégies pour optimiser les soins du client. Des études supplémentaires sur l’impact des caucus sur les soins du client sont nécessaires.
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 | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».