MétaCan
Menu
Retour à la cohorte
Enregistrement W2234637162 · doi:10.1177/1471301215625342

Implementing Montessori Methods for Dementia™ in Ontario long-term care homes: Recreation staff and multidisciplinary consultants’ perceptions of policy and practice issues

2016· article· en· W2234637162 sur OpenAlexaffabout
Kate Ducak, Margaret Denton, Gail Elliot

Notice bibliographique

RevueDementia · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Methods and Practices
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDementiaMultidisciplinary approachRecreationThematic analysisPsychological interventionNursingLong-term carePerceptionPsychologyGerontologyMedicineQuality of life (healthcare)Qualitative researchSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Montessori-based activities use a person-centred approach to benefit persons living with dementia by increasing their participation in, and enjoyment of, daily life. This study investigated recreation staff and multidisciplinary consultants' perceptions of factors that affected implementing Montessori Methods for Dementia™ in long-term care homes in Ontario, Canada. Qualitative data were obtained during semi-structured telephone interviews with 17 participants who worked in these homes. A political economy of aging perspective guided thematic data analysis. Barriers such as insufficient funding and negative attitudes towards activities reinforced a task-oriented biomedical model of care. Various forms of support and understanding helped put Montessori Methods for Dementia™ into practice as a person-centred care program, thus reportedly improving the quality of life of residents living with dementia, staff and family members. These results demonstrate that when Montessori Methods for Dementia™ approaches are learned and understood by staff they can be used as practical interventions for long-term care residents living with dementia.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,940

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0090,004
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,079
Tête enseignante GPT0,517
Écart entre enseignants0,438 · 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

Citations49
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDementiaMême sujetEducation Methods and PracticesTravaux en français237 207