MétaCan
Menu
Retour à la cohorte
Enregistrement W2999488243 · doi:10.12927/whp.2019.26059

Mitigating Moral Distress in Dementia Care: Implications for Leaders in the Residential Care Sector

2019· article· en· W2999488243 sur OpenAlexaffvenueabout
Shannon Spenceley, Sienna Caspar, Em M. Pijl

Notice bibliographique

RevueWorld health & population · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésDementiaDistressNursingHealth careAged careMedicinePsychologyGerontologyEconomic growthClinical psychology

Résumé

récupéré en direct d'OpenAlex

In 2012, the World Health Organization estimated that the number of people living with dementia worldwide was approximately 35.6 million; they projected a doubling of this number by 2030, and tripling by 2050. Although the majority of people living with a dementia live in the community, residential facility care by nursing providers is a common part of the dementia journey in most countries. Previously published research confirms that caring for people living with dementia in such facilities often creates moral distress for nursing care providers. In this paper, the authors share additional findings from a two-year, two-phase, mixed methods study of moral distress as experienced by nursing caregivers of residents with dementia in residential care settings in a Western Canadian province. The findings relate to strategies to reduce moral distress in this caregiving group, with a particular focus on the role of supportive and responsive leadership. Important implications for practice and for leadership in the residential care sector are presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,140
Tête enseignante GPT0,512
Écart entre enseignants0,373 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetEthics in medical practiceTravaux en français237 207