Understanding adherence to assistive devices among older adults: a conceptual review
Notice bibliographique
Résumé
Purpose: The aim of this study was to identify and examine how existing literature has conceptualized adherence to assistive devices (ADs) among older adults.Methods: English articles were searched in MEDLINE, PubMed, and CINAHL (January 1990 to October 2017) for the key words “acceptance”, “adherence”, “assistive devices”, “compliance”, “concept,” and relevant synonyms. Bibliographies of selected articles were also examined. Articles were analyzed if the following conditions were met conjointly: (1) attempted to define or conceptualize adherence to some degree; (2) were concerned with any AD for older adults; (3) were concerned with adults aged 65 years or older.Results: Sixteen of the 484 articles were included. Adherence to ADs among older adults seemed to be conceptualized under three core themes: psychological, contextual, and functional factors; each with their own unique considerations related to adherence that are analyzed in this study.Conclusion: This review identified a large gap in knowledge about adherence to ADs. Adherence is multi-factorial and highly specific to the individual’s circumstances and their relationship with their health care practitioner. Further empirical research should focus on how the three core themes of adherence interact with and influence each other.Implications for rehabilitationHealth care professionals who assess for, and recommend ADs should foster a shared decision-making relationship with their clientsThis review identifies some of the key themes that practitioners should consider when developing and implementing AD regimens with older adultsConceptualizing AD adherence among older adults will help improve monitoring of and quality of care for AD users
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».