Behaviour assessment tools in long-term care homes in Canada: a survey
Notice bibliographique
Résumé
OBJECTIVE: Many people living in long-term care homes (LTCH) experience changes in behaviour termed the behavioural and psychological symptoms of dementia (BPSD). The valid and reliable assessment of BPSD is essential to guide treatment and monitor the effect of interventions. The aim of this study was to identify behavioural assessment tools implemented in LTCH and factors that impact on their use in clinical care. METHODS: We completed an online mixed-design survey of 300 randomly selected Canadian LTCH between September and November 2018. Respondents were asked to report tools used, reasons for use, methods of administration, training/supports available, confidence in use and challenges faced. Survey results were summarized descriptively and the correlation between implementation supports and confidence examined. Free-text responses were analysed qualitatively. RESULTS: Of 300 LTCH invited to participate, 103 completed the survey. Homes reported using a mean 2.2 ± 1.1 (range 0-7) different tools. The two most commonly used tools were the Dementia Observation System (DOS) and Cohen-Mansfield Agitation Inventory (CMAI). Overall confidence in most aspects of tool use was reported to be high, with workload identified as the greatest challenge. Training and supports correlated with confidence in tool use. Qualitative findings indicate tools provide valuable data to understand behaviours, facilitate team communication, target interventions and track outcomes. CONCLUSIONS: Behavioural assessment tools, in particular a direct observation tool, are widely used in clinical care in Canadian LTCH. Education, enhanced resources, leadership support and applications of technology represent opportunities to improve their use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».