Evaluating the feasibility and acceptability of the Namaste Care program in long-term care settings in Canada
Notice bibliographique
Résumé
BACKGROUND: Residents living and dying in long-term care (LTC) homes represent one of society's most frail and marginalized populations of older adults, particularly those residents with advanced dementia who are often excluded from activities that promote quality of life in their last months of life. The purpose of this study is to evaluate the feasibility, acceptability, and effects of Namaste Care: an innovative program to improve end-of-life care for people with advanced dementia. METHODS: This study used a mixed-method survey design to evaluate the Namaste Care program in two LTC homes in Canada. Pain, quality of life, and medication costs were assessed for 31 residents before and 6 months after they participated in Namaste Care. The program consisted of two 2-h sessions per day for 5 days per week. Namaste Care staff provided high sensory care to residents in a calm, therapeutic environment in a small group setting. Feasibility was assessed in terms of recruitment rate, number of sessions attended, retention rate, and any adverse events. Acceptability was assessed using qualitative interviews with staff and family. RESULTS: The feasibility of Namaste Care was acceptable with a participation rate of 89%. However, participants received only 72% of the sessions delivered and only 78% stayed in the program for at least 3 months due to mortality. After attending Namaste Care, participants' pain and quality of life improved and medication costs decreased. Family members and staff perceived the program to be beneficial, noting positive changes in residents. The majority of participants were very satisfied with the program, providing suggestions for ongoing engagement throughout the implementation process. CONCLUSIONS: These study findings support the implementation of the Namaste Care program in Canadian LTC homes to improve the quality of life for residents. However, further testing is needed on a larger scale.
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 | 0,011 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».