Advancing Long-Term Care Science Through Using Common Data Elements: Candidate Measures for Care Outcomes of Personhood, Well-Being, and Quality of Life
Notice bibliographique
Résumé
To support the development of internationally comparable common data elements (CDEs) that can be used to measure essential aspects of long-term care (LTC) across low-, middle-, and high-income countries, a group of researchers in medicine, nursing, behavioral, and social sciences from 21 different countries have joined forces and launched the Worldwide Elements to Harmonize Research in LTC Living Environments (WE-THRIVE) initiative. This initiative aims to develop a common data infrastructure for international use across the domains of organizational context, workforce and staffing, person-centered care, and care outcomes, as these are critical to LTC quality, experiences, and outcomes. This article reports measurement recommendations for the care outcomes domain, focusing on previously prioritized care outcomes concepts of well-being, quality of life (QoL), and personhood for residents in LTC. Through literature review and expert ranking, we recommend nine measures of well-being, QoL, and personhood, as a basis for developing CDEs for long-term care outcomes across countries. Data in LTC have often included deficit-oriented measures; while important, reductions do not necessarily mean that residents are concurrently experiencing well-being. Enhancing measurement efforts with the inclusion of these positive LTC outcomes across countries would facilitate international LTC research and align with global shifts toward healthy aging and person-centered LTC models.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».