MétaCan
Menu
Retour à la cohorte
Enregistrement W2336747671 · doi:10.1177/1471301215622839

Do physical environmental changes make a difference? Supporting person-centered care at mealtimes in nursing homes

2016· article· en· W2336747671 sur OpenAlexaff
Habib Chaudhury, Lillian Hung, Tiana Rust, Sarah Wu

Notice bibliographique

RevueDementia · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of AlbertaVancouver Coastal HealthSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDementiaNursingPsychologyNursing homesMedicineGerontology

Résumé

récupéré en direct d'OpenAlex

Purpose Drawing on therapeutic physical environmental design principles and Kitwood's theoretical view of person-centered care, this study examined the impact of environmental renovations in dining spaces of a long-term care facility on residents' mealtime experience and staff practice in two care units. Method The research design involved pre- and post-renovation ethnographic observations in the dining spaces of the care units and a post-renovation staff survey. The objective physical environmental features pre- and post-renovations were assessed with a newly developed tool titled Dining Environment Audit Protocol. We collected observational data from 10 residents and survey responses from 17 care aides and nurses. Findings Based on a systematic analysis of observational data and staff survey responses, five themes were identified: (a) autonomy and personal control, (b) comfort of homelike environment, (c) conducive to social interaction, (d) increased personal support, and (e) effective teamwork. Implications Although the physical environment can play an influential role in enhancing the dining experience of residents, the variability in staff practices reveals the complexity of mealtime environment and points to the necessity of a systemic approach to foster meaningful culture change.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,356
Écart entre enseignants0,316 · 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'étudeObservationnel
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

Citations68
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDementiaMême sujetGeriatric Care and Nursing HomesTravaux en français237 207