Understanding contributors to quality of care in long-term care and changes under COVID-19
Notice bibliographique
Résumé
Abstract Nursing home facilities are responsible for providing care for some of the most vulnerable groups in society, including the elderly and those with chronic medical conditions. In times of crisis, such as COVID-19 or other pandemics, the delivery of ‘regular’ care can be significantly impacted. In relation to COVID-19, there is an insufficient supply of personal protective equipment (PPE) to care for residents, as PPE not only protects care staff but also residents. Nursing homes across the United States and Canada have also taken protective measures to maximize the safety of residents by banning visitors, stopping all group activities, and increasing infection control measures. This presentation shares a research protocol and early findings from a study investigating the impact of COVID-19 on quality of care in residential long-term care (LTC) in the Canadian province of New Brunswick. This study used a qualitative description design to explore what contributes to quality of care for residents living in long-term care, and how this could change in times of crisis from the perspective of long-term care staff. Interviews were conducted with a broad range of staff at one LTC home. A semi-structured interview guide and approach to thematic analysis was framed by a social ecological perspective, making it possible to include the individual and proximal social influences as well as community, organizations, and policy influencers. Insights gained will improve the understanding of quality of care, as well as potential barriers and facilitators to care during times of crisis.
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 | 0,017 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».