MétaCan
Menu
Retour à la cohorte
Enregistrement W2887440654 · doi:10.12927/hcpol.2018.25549

The Changing Landscape of Continuing Care in Alberta: Staff and Resident Characteristics in Supportive Living and Long-Term Care

2018· article· en· W2887440654 sur OpenAlexafffundvenueabout
Susan E. Slaughter, Charlotte Jones, Misha Eliasziw, Carla Ickert, Carole A. Estabrooks, Adrian Wagg

Notice bibliographique

RevueHealthcare policy · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAlberta InnovatesUniversity of AlbertaAlberta Health Services
Mots-clésLong-term careAssisted Living FacilityActivities of daily livingOddsGerontologyAssisted livingSupportive housingMedicinePsychological interventionIndependent livingHealth careContinuum of careNursingFamily medicinePsychologyLogistic regressionPsychiatry

Résumé

récupéré en direct d'OpenAlex

With provincial policy changing institutional care provision for older adults who are unable to safely remain at home, supportive living represents a new middle-ground to provide care for older adults. We compared characteristics of supportive living staff and residents to those in long-term care (LTC), using facility and staff surveys, as well as administrative Resident Assessment Instrument (RAI) data, to describe differences and similarities between facility types. Data analysis included t-tests, chi-square tests, ridit analyses and odds ratios. Participants from 15 supportive living facilities were compared to participants from eight LTC homes. Supportive living healthcare aides were younger, worked fewer years and were more likely to work full time than LTC healthcare aides. LTC residents were more likely than supportive living residents to have: cognitive impairment, medical instability, and activities of daily living dependence. This knowledge, which situates supportive living in the new care continuum, is useful for policy makers and administrators deciding on interventions and clinical guidelines for care groups.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,196
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,382
Écart entre enseignants0,364 · 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.

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

Citations11
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetGeriatric Care and Nursing HomesTravaux en français237 207