MétaCan
Menu
Retour à la cohorte
Enregistrement W3112980149 · doi:10.3148/cjdpr-2020-031

Staff Perceptions of a Mealtime Management Educational Video for Training in Long-Term Care Homes

2020· article· en· W3112980149 sur OpenAlexaffvenueabout
Roseann Nasser, Allison Cammer, Thilina Bandara, Sabrina Bovee

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueNutrition and Health in Aging
Établissements canadiensUniversity of SaskatchewanSaskatchewan HealthSaskatchewan Health AuthorityRegina Qu'Appelle Health Region
Organismes subventionnairesnon disponible
Mots-clésLikert scaleMedicineLong-term carePerceptionNursingService (business)PsychologyFamily medicineGerontology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to determine if staff perceive a mealtime management video to be a beneficial and useful training tool in long-term care (LTC) homes. An email invitation was sent to the Dietitians of Canada Gerontology Network inviting dietitians working in LTC homes to participate. A previously used and reliable 25-item questionnaire was used to assess sustained attention/mental effort, learner satisfaction, clinical experience/relevance, and information processing of the video. Dietitians were asked to show the video to LTC staff and distribute the questionnaire to staff after viewing the video. A total of 769 surveys were completed at 28 LTC homes across Canada. Eighty-seven percent (n = 637/736) of participants felt more knowledgeable after viewing the video and 91% (n = 669/738) found the video format easy for learning. Managers had a higher Likert scores (mean = 6.2 out of 7) than continuing care assistant (mean = 5.7, P = 0.02) and food service workers (mean = 5.5, P = 0.001) for the clinical relevance scales. No differences were found for age (χ2 = 5.52, P = 0.60), gender (χ2 = 2.65, P = 0.10), and size of home (χ2 = 3.34, P = 0.34). Staff perceived the video to be useful for their work with residents living in LTC homes and it raised awareness of the importance of their roles at mealtimes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,150
Tête enseignante GPT0,473
Écart entre enseignants0,323 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetNutrition and Health in AgingTravaux en français237 207