Challenges of conducting research in long-term care facilities: a systematic review
Notice bibliographique
Résumé
BACKGROUND: The aim of this review is to describe the challenges and barriers to conducting research in long-term care facilities. METHODS: A literature search was conducted in Ovid MEDLINE, Embase, Cochrane Central, PsycINFO and CINAHL. Keywords used included "long term care", "nursing home", "research", "trial", "challenge" and "barrier", etc. Resulting references were screened in order to identify relevant studies that reported on challenges derived from first-hand experience of empirical research studies. Challenges were summarized and synthesized. RESULTS: Of 1723 references, 39 articles were selected for inclusion. To facilitate understanding we proposed a classification framework of 8 main themes to categorize the research challenges presented in the 39 studies, relating to the characteristics of facility/owner/administrator, resident, staff caregiver, family caregiver, investigator, ethical or legal concerns, methodology, and budgetary considerations. CONCLUSIONS: Conducting research in long-term care facilities is full of challenges which can be categorized into 8 main themes. Investigators should be aware of all these challenges and specifically address them when planning their studies. Stakeholders should be involved from an early stage and flexibility should be built into both the methodology and research budget.
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 | 0,191 | 0,448 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,013 | 0,019 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».