MétaCan
Menu
Retour à la cohorte
Enregistrement W2732280599 · doi:10.5430/jnep.v7n11p92

Public health nursing interventions to promote quality of life in older adult populations:A systematic review

2017· review· en· W2732280599 sur OpenAlexvenueno aff
Marjorie A. Schaffer, Mary Kalfoss, Kari Glavin

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2017
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCINAHLPsychological interventionPublic healthGerontologyQuality of life (healthcare)Nursing Interventions ClassificationIntervention (counseling)MedicineMEDLINENursingSystematic reviewPublic health nursingPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This review analyzes how nurse-led public health interventions promote quality of life (QoL) among older populations. Using Medline and Cinahl databases, authors completed a systematic review of experimental and quasi-experimental studies published between January 2010 and March 2016 that described interventions used by public health nurses to address health needs of older adult populations. Lawton’s theoretical QoL concepts and the Public Health Intervention Wheel model, which names interventions at the individual, community and systems levels, were used to interpret results. The 23 studies were widely distributed geographically. Four of Lawton’s theoretical QoL domains (Health, Functional Health, Personal Competency, Psychological Well-Being) were addressed in the majority of studies. Although public health nurses used Wheel interventions at all levels of practice, individual level interventions were featured in studies to a greater extent in comparison to community and systems level interventions. Few studies used QoL measures to determine intervention effectiveness. Nurses should consider QoL domains, as they design individual, community, and systems level interventions to improve the health of older adult populations.

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)0,026
score de la tête « metaresearch » (Gemma)0,098
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0260,098
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,773
Tête enseignante GPT0,726
Écart entre enseignants0,046 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetHealth and Wellbeing ResearchTravaux en français237 207