MétaCan
Menu
Retour à la cohorte
Enregistrement W2581014944 · doi:10.1177/1533317517689876

Roles of Communication Problems and Communication Strategies on Resident-Related Role Demand and Role Satisfaction

2017· article· en· W2581014944 sur OpenAlexaff
Marie Y. Savundranayagam, Christopher Lee

Notice bibliographique

RevueAmerican Journal of Alzheimer s Disease & Other Dementias® · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLanguage, Discourse, Communication Strategies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésClosenessDementiaPsychologyOn demandCommunication skillsStructural equation modelingSocial psychologyMedicineBusinessMedical educationComputer science

Résumé

récupéré en direct d'OpenAlex

This study investigated the impact of dementia-related communication difficulties and communication strategies used by staff on resident-related indicators of role demand and role satisfaction. Formal/paid long-term care staff caregivers (N = 109) of residents with dementia completed questionnaires on dementia-related communication difficulties, communication strategies, role demand (ie, residents make unreasonable demands), and role satisfaction (measured by relationship closeness and influence over residents). Three types of communication strategies were included: (a) effective repair strategies, (b) completing actions by oneself, and (c) tuning out or ignoring the resident. Analyses using structural equation modeling revealed that communication problems were positively linked with role demand. Repair strategies were positively linked with relationship closeness and influence over residents. Completing actions by oneself was positively linked to role demand and influence over residents, whereas tuning out was negatively linked with influence over residents. The findings underscore that effective caregiver communication skills are essential in enhancing staff-resident relationships.

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)0,003
score de la tête « metaresearch » (Gemma)0,021
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
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 Opus0,024
Tête enseignante GPT0,283
Écart entre enseignants0,259 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Alzheimer s Disease & Other Dementias®Même sujetLanguage, Discourse, Communication StrategiesTravaux en français237 207