Assistive technologies that support social interaction in long-term care homes
Notice bibliographique
Résumé
OBJECTIVE: The objective of this scoping review is to chart the literature on assistive technologies that support social interaction (excluding robots) used with older adults in long-term care (LTC). INTRODUCTION: The need for LTC in institutional settings is in high demand. Loneliness and social isolation are common in these settings. Technology holds potential to contribute to mitigation of loneliness. As there are no systematic reviews examining forms of assistive technologies to support social interaction other than robots, used within LTC settings, there is a need to categorize the current research regarding such technologies to inform practice, policy and any need for further research. INCLUSION CRITERIA: The review will consider studies based in LTC institutional settings with participants (≥65 years), institutional staff and visiting family members METHODS:: The JBI methodology for scoping reviews will be employed. This includes a three-step search strategy: i) identify keywords from CINAHL and PsycINFO, ii) conduct a second search using all identified keywords across select databases, and iii) screen the reference lists of all included articles and reports for additional studies. Titles and abstracts will be screened by two independent reviewers. Full text of selected citations will be assessed against inclusion criteria by two independent reviewers. A data extraction tool will be used, and extracted data will be presented in a narrative accompanied by diagrams or tables that reflect the objective of the review.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».