Perceptions of family and staff on the role of the environment in long-term care homes for people with dementia
Notice bibliographique
Résumé
BACKGROUND: Disruptive behaviors are frequent and often the first predictor of institutionalization. The goal of this multi-center study was to explore the perceptions of family and staff members on the potential contribution of environmental factors that influence disruptive behaviors and quality of life of residents with dementia living in long-term care homes. METHODS: Data were collected using 15 nominal focus groups with 45 family and 59 staff members from eight care units. Groups discussed and created lists of factors that could either reduce disruptive behaviors and facilitate quality of life or encourage disruptive behaviors and impede the quality of life of residents. Then each participant individually selected the nine most important facilitators and obstacles. Themes were identified from the lists of data and operational categories and definitions were developed for independent coding by four researchers. RESULTS: Participants from both family and staff nominal focus groups highlighted facility, staffing, and resident factors to consider when creating optimal environments. Human environments were perceived to be more important than physical environments and flexibility was judged to be essential. Noise was identified as one of the most important factors influencing behavior and quality of life of residents. CONCLUSION: Specialized physical design features can be useful for maintaining quality of life and reducing disruptive behaviors, but they are not sufficient. Although they can ease some of the anxieties and set the stage for social interactions, individuals who make up the human environment are just as important in promoting well-being among residents.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».