National Newspaper Portrayal of U.S. Nursing Homes: Periodic Treatment of Topic and Tone
Notice bibliographique
Résumé
CONTEXT: Although observers have long highlighted the relationship of public distrust, government regulation, and media depictions of nursing-home scandals, no study has systematically analyzed the way in which nursing homes have been portrayed in the national media. This study examines how nursing homes were depicted in four leading national newspapers-the New York Times, Washington Post, Chicago Tribune, and Los Angeles Times-from 1999 to 2008. METHODS: We used keyword searches of the LexisNexis database to identify 1,704 articles pertaining to nursing homes. We then analyzed the content of each article and assessed its tone, themes, prominence, and central actor. We used basic frequencies and descriptive statistics to examine the articles' content, both cross-sectionally and over time. FINDINGS: Approximately one-third of the articles were published in 1999/2000, and a comparatively high percentage (12.4%) appeared in 2005. Most were news stories (89.8%), and about one-quarter were on the front page of the newspaper or section. Most focused on government (42.3%) or industry (39.2%) interests, with very few on residents/family (13.3%) and community (5.3%) concerns. Most were negative (45.1%) or neutral (37.0%) in tone, and very few were positive (9.6%) or mixed (8.3%). Common themes were quality (57.0%), financing (33.4%), and negligence/fraud (28.1%). Both tone and themes varied across newspapers and years. CONCLUSIONS: Overall, our findings highlight the longitudinal variation in the four widely read newspapers' framing of nursing-home coverage, regarding not only tone but also shifts in media attention from one aspect of this complex policy area to another. The predominantly negative media reports contribute to the poor public opinion of nursing homes and, in turn, of the people who live and work in them. These reports also place nursing homes at a competitive disadvantage and may pose challenges to health delivery reform, including care integration across settings.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».