Practice Change Interventions in Long-Term Care Facilities: What Works, and Why?
Notice bibliographique
Résumé
RÉSUMÉ Au cours des trois dernières décennies, il y a eu une augmentation notable dans les études de pratique concernant changements dans les interventions en soins de longue durée (SLD). Cette critique, basé sur une approche réaliste modifiée, répond aux questions suivantes: Quelles caractéristiques de changement d’intervention fonctionnent bien? Et, dans quelles circonstances, fonctionnent-elles, et pourquoi? Une approche réaliste modifiée a été appliquée pour identifier et expliquer les interactions parmi le contexte, le mécanisme, et les résultats. Nous avons cherché des bases de données électroniques et la littérature publiée pour les études empiriques des interventions pratiques modifiées qui (a) ont été menées dans les établissements de SLD, (b) ont impliqué le personnel soignant formel, et (c) ont fait état d’une évaluation formelle. Quatre-vingt-quatre articles répondaient à nos critères d’inclusion. Les interventions qui ne comprenaient que des facteurs prédisposants étaient moins susceptibles d’être efficaces, tandis que les interventions qui comprenaient des facteurs renforçants étaient les plus susceptibles de produire des résultats durables. Nous avons conclu que les interventions visant à changer les pratiques dans les milieux de SLD devraient inclure les facteurs habilitants et renforçants qui sont à la fois réalisables et efficaces.
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 | 0,048 | 0,166 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».