P-69 Music care training program: integrating music into regular care practice
Notice bibliographique
Résumé
Background In Canada, music is identified as a non-pharmacological, cost-effective and person-centred approach across the care spectrum, including palliative care. Caregiver confidence and music medicine knowledge translation are barriers to its use. Music Care Training (MCT) is an education program assisting care partners in the effective and responsible use of music in care. Aim Provide musical tools and theoretical context to enrich care practice; Develop understanding of music care approach, musical elements and evidence base for using music in care; creating music care initiative for care context. Methods Hold music care trainings in identified Canadian city-centres; pre-test questionnaire, training in on-site classes of maximum 30, post-test questionnaire, three month online follow up, measure social return on investment (SROI). Results • 800 care partners trained in 36 months, 19% hospice palliative care context, 56% long term care context (advanced dementia care). • Level 1 – caregiver confidence increased in ability to use music care kit, design music care plan and explain music as an approach to care. • Level 2 – caregiver confidence increased to describe music’s effects on whole person care, including neuroplasticity, pain management, mood, memory and meaning-making. • Level 3 – demonstrated music care initiative implemented in 86% of participants. • 95.51% student satisfaction level. • Key performance indicators developed to measure SROI. Caregivers Stories ‘I have used the training several times. One resident came out of a showering experience sobbing, shivering, rocking, crying and moaning shock. I was able to use the call and response, the humming, the singing and the breathing to calm her and lull her to sleep. Without your training I may have been at a loss as I have never seen this resident so upset.’ Conclusions Music Care Training is giving care partners in Canada the knowledge and confidence needed to use music care. It is a replicable model for the UK.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».