Collaborative Approaches to Team-Based Primary Health Care for Individuals with Dementia in Rural/Remote Settings
Notice bibliographique
Résumé
RÉSUMÉ L’application d’approches d’équipes en soins de santé de première ligne (SPL) pour le diagnostic et le traitement de la démence est considérée comme une pratique exemplaire. Malheureusement, il arrive fréquemment que les personnes vivant dans les régions rurales et éloignées aient peu d’accès à des services de SPL spécialisés pour la démence. Le but de cet examen de la portée était d’identifier et de comprendre les approches d’équipes en SPL pour les soins en milieu rural visant les cas de démence. La stratégie de recherche utilisée a uniquement inclus des articles de revues à comité de lecture publiés entre 1997 et 2017. Quatre bases de données (Embase, Medline PsycInfo et CINAHL) ont été consultées de mars 2017 à mai 2017. Les dix études retenues montraient des degrés de collaboration et des interactions variables dans les équipes de soins. Peu d’informations étaient rapportées sur les stratégies de collaboration de ces équipes. Une adaptation du modèle socioécologique a été utilisée pour catégoriser les facteurs clés influençant les approches collaboratives. Ces résultats rassemblés pourraient être utilisés pour guider la recherche future et l’élaboration d’un modèle de soins de santé de première ligne pour la démence dans les milieux ruraux.
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 | 0,030 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».