A qualitative evaluation of a new community living model: medical foster home placement
Notice bibliographique
Résumé
BACKGROUND: The Department of Veterans Affairs (VA) Medical Foster Home (MFH) program is an alternative to nursing home (NH) placement for veterans who are NH-eligible but prefer to receive care in private homes. Program expansion is ongoing; however, inefficiencies exist in targeting Veterans for enrollment. METHODS: Semi-structured interviews were conducted with 35 individuals, 9 national MFH coordinators, 14 Primary Care Team Members, 2 veterans living in MFHs, 4 of their family members, 3 caregivers, and 3 family members of veterans who declined to participate in the program. Transcripts were analyzed using a general inductive approach supported by Archive for Technology, Lifeworld and Everyday language, text interpretation (ATLAS ti) V6.2. RESULTS: Three themes were identified as key facilitators of successful MFH placement: 1) The Environment - veterans needed to have appropriate and comfortable physical space that ensured safety and was in a desirable geographic location; 2) The Match - a collaborative relationship between veterans, care providers, and the medical team providing care within the home was essential; and 3) Perceptions and Expectations about the ability for needs to be met in MFHs and challenges related to health concerns, relocation, and costs. These themes, when integrated into the Social Ecological Model, provide a theoretical framework from which to guide future research and understand policy implications. CONCLUSIONS: MFHs represent a novel alternative to NH placement. This evaluation provides an understanding of factors that lead to successful MFH placement and integrates these themes into a theoretical framework designed to assist both VA policymakers interested in expanding the program and those within the civilian community seeking to study alternatives to traditional NH 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 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 | 0,034 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 ».