Mobile Apps to Support Caregiver-Resident Communication in Long-Term Care: Systematic Search and Content Analysis
Notice bibliographique
Résumé
BACKGROUND: In long-term residential care (LTRC), caregivers' attempts to provide person-centered care can be challenging when assisting residents living with a communication disorder (eg, aphasia) and/or a language-cultural barrier. Mobile communication technology, which includes smartphones and tablets and their software apps, offers an innovative solution for preventing and overcoming communication breakdowns during activities of daily living. There is a need to better understand the availability, relevance, and stability of commercially available communication apps (cApps) that could support person-centered care in the LTRC setting. OBJECTIVE: This study aimed to (1) systematically identify and evaluate commercially available cApps that could support person-centered communication (PCC) in LTRC and (2) examine the stability of cApps over 2 years. METHODS: We conducted systematic searches of the Canadian App Store (iPhone Operating System platform) in 2015 and 2017 using predefined search terms. cApps that met the study's inclusion criteria underwent content review and quality assessment. RESULTS: Although the 2015 searches identified 519 unique apps, only 27 cApps were eligible for evaluation. The 2015 review identified 2 augmentative and alternative cApps and 2 translation apps as most appropriate for LTRC. Despite a 205% increase (from 199 to 607) in the number of augmentative and alternative communication and translation apps assessed for eligibility in the 2017 review, the top recommended cApps showed suitability for LTRC and marketplace stability. CONCLUSIONS: The recommended existing cApps included some PCC features and demonstrated marketplace longevity. However, cApps that focus on the inclusion of more PCC features may be better suited for use in LTRC, which warrants future development. Furthermore, cApp content and quality would improve by including research evidence and experiential knowledge (eg, nurses and health care aides) to inform app development. cApps offer care staff a tool that could promote social participation and person-centered care. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.2196/10.2196/17136.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».