Oral care practices of long‐term care home residents and caregivers: Secondary analysis of observational video recordings
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To describe the proportion of toothbrushing task steps, long-term care residents had an opportunity to complete; the duration and quality of toothbrushing by both residents and caregivers; and the feedback caregivers provided. BACKGROUND: Poor oral health is widespread among older adults in long-term care homes; however, little is known about their actual oral health practices. DESIGN: Secondary analysis of video recordings. METHODS: A total of 58 video-recorded sessions were analysed from two long-term care homes in Canada. Eligible residents had at least one natural tooth, required oral care assistance, had Alzheimer's disease and understood English. Eligible caregivers spoke English and had worked for at least 1 year with people with dementia. Toothbrushing success was identified by the resident's participation in, and completion of, nine toothbrushing steps. Total time spent brushing teeth was calculated by summing the duration of time spent brushing teeth. Quality was described by time spent brushing the facial versus the lingual or occlusal surfaces. Caregiver verbal feedback was pulled from transcripts and analysed using content analysis. STROBE guidelines were used in reporting this study. RESULTS: The two step residents most frequently completed or attempted were brushing their teeth (77% complete, 7% attempt) and rinsing their mouth (86% complete, 2% attempt). The average time spent brushing teeth was 60.33 s (SD = 35.15). In 66% of observed videos, toothbrushing occurred only on the facial tooth surfaces, with no time spent brushing the lingual or occlusal surfaces. CONCLUSION: Caregivers are supporting residents to independently complete toothbrushing; however, the duration and quality of toothbrushing are not sufficient to ensure optimal oral health. RELEVANCE TO CLINICAL PRACTICE: Clear, detailed guidelines are required to ensure adequate oral care for long-term care residents. Staff need to be aware that all surfaces should be brushed to ensure proper oral health.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».