Implementing Digital Storytelling for Health-Related Outcomes in Older Adults: Protocol for a Systematic Review
Notice bibliographique
Résumé
BACKGROUND: The number of older adults is increasing rapidly worldwide. Older adults face a unique set of challenges and may experience a range of psychological comorbidities. Advances in multimedia technology have allowed for digital storytelling to be utilized as an intervention for health-related outcomes. OBJECTIVE: The primary aim of the proposed systematic review is to examine the reported health-related outcomes for older adults engaged in digital storytelling. The review also aims to examine the methods associated with digital storytelling, characteristics of digital story products, and implementational considerations. METHODS: This protocol adheres to the recommendations of the Preferred Reporting Items for Systematic Reviews and Meta-Analysis Protocols. We will systematically search selected electronic databases to identify studies that meet our eligibility criteria. From the included studies, data will be extracted and synthesized using a narrative approach and summarized in tables. The methodological quality of the included studies will be assessed using the Mixed Methods Appraisal Tool. RESULTS: Systematic searches, data extraction and analysis, and writing of the systematic review are expected to be completed by the end of 2019. CONCLUSIONS: The proposed systematic review will summarize the existing studies using digital storytelling to improve health-related outcomes for older adults. Results from this review will provide an evidence base for the development of digital storytelling interventions that are effective and implementable with older adults. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/15512.
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 | 0,017 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».