Using video-elicitation to assess risks and potential falls reduction strategies in long term care
Notice bibliographique
Résumé
PURPOSE: To assess the ability to use and the usefulness of video-elicitation to study risks and potential ways to reduce transfer-related falls in long term care. METHOD: A qualitative research study was conducted in a long term care facility and included a purposeful sample of 16 subjects (6 residents, 6 health care providers, and 4 family members). Field observations, interviews, video-recordings of assisted transfers, and video-elicitation sessions were conducted with the participants. The interviews and video-elicitation sessions were digitally recorded, transcribed and coded independently by at least 2 analysts. The codes were organized under themes. RESULTS: Six themes related to risks and reduction of transfer-related falls were identified - environment, behaviors, health conditions, specific activities, knowledge and awareness, and balancing values. CONCLUSIONS: We were able to implement the novel participatory video-elicitation method developed and it was useful to identify risks and risk reduction strategies. Therefore, video-elicitation may be used in future studies to inform the design and testing of interventions to reduce transfer-related falls among LTC residents. Implications for Rehabilitation Falls are common among long term care residents. Visual-elicitation is a useful tool to be used in rehabilitation to assess risks and possible measures to reduce falls. The video-elicitation sessions optimized the ability and engaged residents, health care providers, and family members on providing information and discussing risks and potential measures to reduce transfer-related falls.
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 | 0,018 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».