MétaCan
Menu
Retour à la cohorte
Enregistrement W2162912656 · doi:10.1002/nur.20318

Perceptions of bed days for individuals with chronic illness in extended care facilities

2009· article· en· W2162912656 sur OpenAlexafffund
Mary Fox, Souraya Sidani, Dina Brooks

Notice bibliographique

RevueResearch in Nursing & Health · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensToronto Metropolitan UniversityUniversity of TorontoYork UniversityMinistry of Health and Long Term Care
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBed restExacerbationMedicineHospital bedPhysical therapyEmergency medicinePsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

We explored perceptions of bed days (defined as staying in bed for 1 or more days per week) in 46 patients receiving extended in-patient services for chronic illness management. Illness onset or exacerbation (35%), limited mobility (22%), and tiredness (15%) were the most prevalent reasons for initiating bed days. Tiredness (44%), limited mobility (26%), pain (24%), bowel treatment (22), and conserving energy for future activities (20%) were the most prevalent current reasons. Most participants (74%) noted having been involved in decisions concerning bed days and preferred to continue bed days. The results suggest patients schedule bed days to manage several health related symptoms. Based on our findings, nurses could help patients to alternate daily upright activity with rest to mitigate the known consequences of bed days.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,094
Tête enseignante GPT0,516
Écart entre enseignants0,422 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations19
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch in Nursing & HealthMême sujetGeriatric Care and Nursing HomesTravaux en français237 207