MétaCan
Menu
Retour à la cohorte
Enregistrement W2046213146 · doi:10.1177/0733464815577139

Dying With Carolyn

2015· article· en· W2046213146 sur OpenAlexafffund
Katherine Kortes-Miller, Kristen Jones-Bonofiglio, Stephanie Hendrickson, Mary Lou Kelley

Notice bibliographique

RevueJournal of Applied Gerontology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensLakehead University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésGerontologyPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

This article examines the development, implementation, and evaluation of a pilot project utilizing high-fidelity simulation (HFS) to improve frontline staff members' confidence and skills to communicate about death and dying in long-term care homes. The target group was unregulated care providers who provide palliative care for residents and their families. Eighteen participants engaged in the educational intervention and evaluation. Results supported the effectiveness of HFS as an educational tool for unregulated health care providers. Quantitative data showed statistically significant improvements in participants' self-efficacy scores related to communicating about death and dying and end-of-life care. Qualitative data indicated that the experience was a valuable learning opportunity and helped participants develop insights into their own values, beliefs, and fears providing end-of-life care. HFS is therefore recommended as an innovative training strategy to improve palliative care communication in long-term care homes.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,250

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,096
Tête enseignante GPT0,367
Écart entre enseignants0,271 · 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'étudeObservationnel
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

Citations22
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetSimulation-Based Education in HealthcareTravaux en français237 207