Training persons with early-stage Alzheimer’s disease how to use an electronic medication management device: development of an intervention protocol
Notice bibliographique
Résumé
Abstract Background/Objectives: Medication management is challenging for persons with Alzheimer’s disease (AD) and their caregivers. Electronic medication management devices (eMMDs) are specifically designed to support this task. However, theory-driven interventions for eMMD training with this population are rarely described. This study aimed to develop and assess the appropriateness of an intervention protocol to train persons with early-stage AD how to use an eMMD. Methods: Interviews with three categories of participants [persons with early-stage AD ( n = 3), caregivers ( n = 3), and clinicians ( n = 3)] were conducted to understand medication management needs, perceived usefulness of an eMMD, and to explore training strategies. Subsequently, this knowledge was integrated in an intervention protocol which was validated with the three clinicians. A content analysis led to iterative modifications to maximize the acceptability and coherence of the intervention protocol in a homecare context. Results: The final intervention protocol specifies the expertise required to provide the training intervention and the target population, followed by an extensive presentation of eMMD features. Specific learning strategies tailored to the cognitive profile of persons with AD with step-by-step instructions for clinicians are included. Finally, it presents theoretical information on cognitive impairment in AD and how eMMDs can support them. Conclusions: This intervention protocol with its theoretical and pragmatic foundation is an important starting point to enable persons with early-stage AD to become active users of eMMDs. Next steps should evaluate the immediate and long-term impacts of its implementation on medication management in the daily lives of persons with AD and their caregivers.
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 | 0,001 | 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 ».