MétaCan
Menu
Retour à la cohorte
Enregistrement W2508421256 · doi:10.1177/2158244016665888

Developing and Implementing Peer-Led Intervention to Support Staff in Long-Term Care Homes Manage Grief

2016· article· en· W2508421256 sur OpenAlexafffundabout
Jo‐Ann Vis, Kimberley Ramsbottom, Jill Marcella, Jessica McAnulty, Mary Lou Kelley, Katherine Kortes-Miller, Kristen Jones-Bonofiglio

Notice bibliographique

RevueSAGE Open · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueGrief, Bereavement, and Mental Health
Établissements canadiensLakehead University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health ResearchLakehead University
Mots-clésDebriefingGriefIntervention (counseling)NursingContext (archaeology)PsychologyPeer supportQualitative researchLong-term careParticipatory action researchPalliative careMedicinePsychotherapistSocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

Front-line staff in long-term care (LTC) homes often form strong emotional bonds with residents. When residents die, staffs’ grief often goes unattended, and may result in disenfranchised grief. The aim of this article is to develop, implement, and assess the benefits of a peer-led debriefing intervention to help staff manage their grief and provide LTC homes an organizational approach to support them. This research was nested within a 5-year participatory action research to develop and implement palliative care programs within four LTC homes in Canada. Data specific to this debriefing intervention included questionnaires from six peer debriefers, field observations of six debriefings, and qualitative interviews with 23 staff participants. An original peer-led debriefing intervention (INNPUT) for LTC home staff was developed and implemented. Data revealed that the intervention offered staff an opportunity to express grief in a safe context with others, an opportunity for closure and acknowledgment. The INNPUT intervention benefits staff and offers an innovative, sustainable, easy to use strategy for LTC homes.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,656
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,042
Tête enseignante GPT0,411
Écart entre enseignants0,369 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetGrief, Bereavement, and Mental HealthTravaux en français237 207