DEMENTIA CARE MAPPING (DCM): ODDS OF IT’S USE AS AN OBSERVATORY TOOL TO MEASURE QUALITY OF CARE
Notice bibliographique
Résumé
A literature review was performed to present critique and to understand use of Dementia Care Mapping (DCM) in different patient situations. The review aimed to help in decision making for choosing DCM as an assessment tool to measure care-quality based on patients’ optimal needs. Keywords and thesaurus searches were performed in Ovid interdisciplinary databases to find articles those specifically used DCM to measure quality and published between 1992 and 2016. Medical Subject Headings (MeSH) search terms “dementia care mapping” AND “quality of life” was used. Other keywords were “well-being”, “quality of care”, “wellbeing”, “quality-of-life”, “quality-of-care”, “QOL” and “DCM”. Out of sixty one yielded results, seventeen articles met inclusion criteria and were examined in this review. The critiques included inadequate sample size, sampling bias, short evaluation periods and a lack of consideration of the confounding variables commonly associated with dementia. Methods used to validate the use of DCM in different studies were highlighted. The review identified DCM has good validity and inter-rater reliability. However, content validity remains less convincing and it can only be considered as a moderately valid instrument for patients suffering from moderate to severe dementia. Although DCM is a very useful and one-of-a –kind tool for staffs who wish to improve the quality of their care, but it is a very time-consuming method and requires considerable training and attention of responders to complete the forms. It is recommended that this tool should be amended and used side-by-side of other tools to compare correlations of outcome measures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».