MétaCan
Menu
Retour à la cohorte
Enregistrement W2106428841 · doi:10.1186/1472-6920-14-102

An educational video to promote multi-factorial approaches for fall and injury prevention in long-term care facilities

2014· article· en· W2106428841 sur OpenAlexafffund
Laura B Dilley, Samantha M. Gray, Aleksandra Zecevic, Gina Gaspard, Bobbi Symes, Fabio Feldman, Vicky Scott, Ryan Woolrych, Andrew Sixsmith, Heather McKay, Joanie Sims‐Gould

Notice bibliographique

RevueBMC Medical Education · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensUniversity of British ColumbiaLondon Health Sciences CentreFraser HealthWestern UniversityMinistry of HealthSimon Fraser UniversityVancouver Coastal Health
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFall preventionLong-term carePsychological interventionKnowledge translationMedicineSuicide preventionPoison controlInjury preventionHuman factors and ergonomicsMedical educationGerontologyNursingPsychologyMedical emergencyComputer scienceKnowledge management

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults living in long term care (LTC) settings are vulnerable to fall-related injuries. There is a need to develop and implement evidence-based approaches to address fall injury prevention in LTC. Knowledge translation (KT) interventions to support the uptake of evidence-based approaches to fall injury prevention in LTC need to be responsive to the learning needs of LTC staff and use mediums, such as videos, that are accessible and easy-to-use. This article describes the development of two unique educational videos to promote fall injury prevention in long-term care (LTC) settings. These videos are unique from other fall prevention videos in that they include video footage of real life falls captured in the LTC setting. METHODS: Two educational videos were developed (2012-2013) to support the uptake of findings from a study exploring the causes of falls based on video footage captured in LTC facilities. The videos were developed by: (1) conducting learning needs assessment in LTC settings via six focus groups (2) liaising with LTC settings to identify learning priorities through unstructured conversations; and (3) aligning the content with principles of adult learning theory. RESULTS: The videos included footage of falls, interviews with older adults and fall injury prevention experts. The videos present evidence-based fall injury prevention recommendations aligned to the needs of LTC staff and: (1) highlight recommendations deemed by LTC staff as most urgent (learner-centered learning); (2) highlight negative impacts of falls on older adults (encourage meaning-making); and, (3) prompt LTC staff to reflect on fall injury prevention practices (encourage critical reflection). CONCLUSIONS: Educational videos are an important tool available to researchers seeking to translate evidence-based recommendations into LTC settings. Additional research is needed to determine their impact on practice.

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)0,002
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 enseignants0,385
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 Opus0,055
Tête enseignante GPT0,418
Écart entre enseignants0,363 · 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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207