Use of technology in Canadian occupational therapists' practices with older adults: A nationwide survey
Notice bibliographique
Résumé
L'utilisation des technologies de l'information et de la communication (TIC) est un moyen novateur de soutenir l'indépendance des personnes âgées pour qu'elles puissent vieillir chez soi si désiré. Les produits technologiques destinés au maintien de l'indépendance, à la participation sociale, et aux besoins en qualité de vie des personnes âgées, offrent la possibilité d'aider les ergothérapeutes à soutenir les services de soins à domicile. À notre connaissance, aucune étude n'a investigué les connaissances actuelles des ergothérapeutes canadiens sur ces technologies et les facteurs influençant leur utilisation et recommandation en pratique. L'objectif du projet est de décrire l'état des connaissances sur les TIC des ergothérapeutes canadiens et d'identifier les facteurs associés à leur utilisation et recommandation en pratique. Un sondage pancanadien a été déployé en ligne. Celui-ci comprenait des questions démographiques ainsi que sur la pratique clinique et les technologies. Les organisations professionnelles des ergothérapeutes de chacune des provinces et territoires ont été contactées afin d'inviter leurs membres à remplir le sondage. Des statistiques descriptives, des analyses khi-carré et des analyses de régression logistique ont été réalisées. Nous avons reçu 874 réponses au sondage et 681 étaient complètes. Parmi celles-ci, 387 des répondants ont rapporté travailler avec une clientèle gériatrique ou gériatrique et adulte. Parmi eux, 177 (45.7%) ont rapporté être familier avec la technologie, mais seulement 48 (12.4%) ont déclaré l'utiliser en pratique. La majorité des répondants étaient des femmes travaillant dans les provinces du Québec et de la Colombie-Britannique. La majorité des utilisateurs de technologies ont plus de 45 ans et plus de 10 ans d'expérience clinique. Le plus souvent, ils ont rapporté recommander des technologies pour aides à la communication (97.9%), suivie des technologies traitant des incapacités liées à la cognition (79.2%). Parmis celles soutenant la communication, les plus courantes sont les applications de synthèse vocale pour ordinateurs, tablettes ou téléphones intelligents (33%). Les plus courantes pour la cognition sont celles pour la stimulation cognitive sur tablettes ou téléphones intelligents (48%). La régression logistique univariée a montré que les probabilités d'utilisation de technologies en clinique augmentaient si les ergothérapeutes étaient plus âgés (âgé de 35-45 ans (OR: 3.40); âgé de plus de 45 ans (OR: 5.23); par comparaison au groupe d'âge de 24-34 ans), avaient plus de 10 ans d'expérience (OR: 2.65), offraient un service de réadaptation professionnelle (OR: 2.74), traitaient des problèmes de déglutition (OR: 6.25), et travaillaient dans un hôpital/établissement de réadaptation (OR: 2.74). Les probabilités étaient négativement associées si les ergothérapeutes offraient des services hospitaliers d'évaluation (OR: .28), traitaient une clientèle atteinte de démence (et syndromes associés) (OR: .035) et travaillaient dans un hôpital (OR: .34). Dans la régression logistique multivariée, seule le nombre d'années d'expérience clinique restait positivement associé à l'utilisation de la technologie en pratique (OR: 2.43) et le travail dans un hôpital général ainsi que le traitement de la démence (et syndromes associés) restaient négativement associés à l'utilisation de la technologie (OR: .378 et .415 respectivement). Les résultats soulignent que les ergothérapeutes manquent de connaissances sur les TIC pouvant être utilisées dans leur pratique avec les personnes âgées. De plus, une connaissance des TIC ne suffit pas pour en garantir l'utilisation. Les facteurs environnementaux, personnels, et professionnels, doivent être pris en compte lors de la préparation des recommandations pour la mise en pratique de l'utilisation de la technologie. Des recherches supplémentaires sont nécessaires afin d'élucider les facilitateurs et les obstacles à l'adoption de la technologie en pratique.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».