BETTER LIVING THROUGH TECH: TECHNOLOGY-MEDIATED RECREATION AND LONG-TERM CARE FACILITY RESIDENTS’ QUALITY OF LIFE
Notice bibliographique
Résumé
Abstract Empirical research on long-term care facility resident engagement has consistently indicated that increased engagement is associated with more positive clinical outcomes and increased quality of life. The current study adds to this existing literature by documenting the positive effects of technologically-mediated recreational programing on quality of life and medication usage in aged residents living in long-term care facilities. Technologically-mediated recreational programming was defined as recreational programming that was developed, implemented, and /or monitored using software platforms dedicated specifically for these types of activities. This study utilized a longitudinal design and was part of a larger project examining quality of life in older adults. A sample of 272 residents from three long-term care facilities in Toronto, Ontario participated in this project. Resident quality of life was assessed at multiple time points across a span of approximately 12 months, and resident engagement in recreational programming was monitored continuously during this twelve-month period. Quality of life was measured using the Resident Assessment Instrument Minimum Data Set Version 2.0. Number of pharmacological medication prescriptions received during the twelve-month study period was also assessed. Descriptive analyses indicated that, in general, resident functioning tended to decrease over time. However, when controlling for age, gender, and baseline measures of resident functioning, engagement in technologically-mediated recreational programming was positively associated with several indicators of quality of life. The current findings thus indicate that engagement in technology-mediated recreational programming is associated with increased quality of life of residents in long-term care facilities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».