MétaCan
Menu
Retour à la cohorte
Enregistrement W3023931159 · doi:10.2196/14618

Review and Selection of Online Resources for Carers of Frail Adults or Older People in Five European Countries: Mixed-Methods Study

2020· article· en· W3023931159 sur OpenAlexvenueno aff
Roberta Papa, Areti Efthymiou, Giovanni Lamura, Flavia Piccinini, Giulia Onorati, Evridiki Papastavrou, Theologia Tsitsi, Giulia Casu, Licia Boccaletti, Alessandra Manattini, Rita Seneca, Carlos Vaz de Carvalho, Rita Durão, Francesco Barbabella, Frida Andréasson, Lennart Magnus­son, Elizabeth Hanson

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational Family Dynamics and Caregiving
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)Focus groupStandardizationVariety (cybernetics)PsychologyMedicineMedical educationNursingBusinessComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Informal carers have a crucial role in the care of older people, but they are at risk of social isolation and psychological exhaustion. Web-based services like apps and websites are increasingly used to support informal carers in addressing some of their needs and tasks, such as health monitoring of their loved ones, information and communication, and stress management. Despite the growing number of available solutions, the lack of knowledge or skills of carers about the solutions often prevent their usage. OBJECTIVE: This study aimed to review and select apps and websites offering functionalities useful for informal carers of frail adults or older people in 5 European countries (Cyprus, Greece, Italy, Portugal, and Sweden). METHODS: A systematic online search was conducted from January 2017 to mid-March 2017 using selected keywords, followed by an assessment based on a set of commonly agreed criteria and standardized tools. Selected resources were rated and classified in terms of scope. Focus groups with informal carers were conducted to validate the list and the classification of resources. The activities were conducted in parallel in the participating countries using common protocols and guidelines, a standardization process, and scheduled group discussions. RESULTS: From a total of 406 eligible resources retrieved, 138 apps and 86 websites met the inclusion criteria. Half of the selected resources (109/224, 48.7%) were disease-specific, and the remaining resources included information and utilities on a variety of themes. Only 38 resources (38/224, 17.0%) were devoted specifically to carers, addressing the management of health disturbances and diseases of the care recipient and focusing primarily on neurodegenerative diseases. Focus groups with the carers showed that almost all participants had no previous knowledge of any resource specifically targeting carers, even if interest was expressed towards carer-focused resources. The main barriers for using the resources were low digital skills of the carers and reliability of health-related apps and websites. Results of the focus groups led to a new taxonomy of the resources, comprising 4 categories: carer's wellbeing, managing health and diseases of the care recipient, useful contacts, and technologies for eldercare. CONCLUSIONS: The review process allowed the identification of online resources of good quality. However, these resources are still scarce due to a lack of reliability and usability that prevent users from properly benefiting from most of the resources. The involvement of end users provided added value to the resource classification and highlighted the gap between the potential benefits from using information and communication technologies and the real use of online resources by carers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,573
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,032
Tête enseignante GPT0,414
Écart entre enseignants0,382 · 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'étudeQualitatif
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetIntergenerational Family Dynamics and CaregivingTravaux en français237 207