MétaCan
Menu
Retour à la cohorte
Enregistrement W2755717105 · doi:10.1017/s0714980817000368

The Care of Older Adults Experiencing Cognitive Challenges: How Interprofessional Teams Collaborate

2017· review· en· W2755717105 sur OpenAlexaff
Sherry Dahlke, Salima Meherali, Thane Chambers, Rosalie Freund‐Heritage, Kim Steil, Adrian Wagg

Notice bibliographique

RevueCanadian Journal on Aging / La Revue canadienne du vieillissement · 2017
Typereview
Langueen
DomaineHealth Professions
ThématiqueFamily and Patient Care in Intensive Care Units
Établissements canadiensGlenrose Rehabilitation HospitalAlberta Health ServicesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMEDLINEPsychological interventionCognitionConfusionHealth careMedicinePsychologyInterprofessional educationGerontologyCognitive impairmentNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

We conducted a scoping study to examine how interprofessional health care teams improve the outcomes of older adults experiencing cognitive challenges. We searched Ovid, Medline 1946, and MEDLINE In-Process and other non-indexed citations, using the concepts multi or interdisciplinary care teams, confusion or cognitive impairment, and elderly adults. Of 4,554 articles the review yielded, 34 relevant to our inquiry, using Arksey and O'Malley's methodological framework. Twenty-nine per cent of authors reported on the processes interprofessional teams use to achieve positive outcomes for older adults. They highlighted the importance of communication, staff strategies, and education interventions in achieving outcomes with older adults and in supporting interprofessional collaboration. The review revealed knowledge gaps about the processes teams use to collaborate in caring for older adults experiencing cognitive challenges, and how to best incorporate older adults and their families' perspectives in team decisions. More research to understand processes interprofessional teams use is needed.

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)0,013
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0110,010
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
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 Opus0,072
Tête enseignante GPT0,361
Écart entre enseignants0,289 · 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'étudeQualitatif
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

Citations18
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal on Aging / La Revue canadienne du vieillissementMême sujetFamily and Patient Care in Intensive Care UnitsTravaux en français237 207