MétaCan
Menu
Retour à la cohorte
Enregistrement W3194774625

Strategies to improve hydration practices in residential care during COVID- 19

2021· article· en· W3194774625 sur OpenAlexvenueaboutno aff
Christina Lengyel, H. Keller, Pedro Gaspar, George Heckman, Laura Carbajo Martín, Janet C. Mentes, Ashwini Namasivayam‐MacDonald, Sara Slaughter, Sifat E Syed, Chew Siew Wei, Me-Ok Yoon

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Coronavirus disease 2019 (COVID-19)MedicineFood preparationLong-term careNursingShowerResidential careApathyPsychologyEnvironmental healthFood safetyInfectious disease (medical specialty)DiseasePathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction: Older adults residing in residential care are at an increased risk for dehydration due to physiological changes related to aging (changes to body composition, decreased thirst sensation and kidney function), disease condition (medication use), and increased dependence on others (functional ability, access to fluid). A variety of hydration techniques are used in residential care, but there is no consensus on how to maintain hydration. Infection control measures aimed at limiting the spread of COVID-19 in residential care amplified the need for creative ways to ensure that residents are consuming adequate food and fluids. Effective practices that are also feasible during infectious outbreaks are needed. Objectives: To examine the perspectives of experts and providers in residential care on challenges and potential strategies to improve hydration practices during COVID-19. Methods: Twenty-seven research/academic experts (67%) and providers (33%) in residential care from Canada (78%) and outside of Canada (22% UK, US, & Germany) participated in an audio- recorded three-hour virtual discussion about hydration practices before and during COVID-19. The participants were from a variety of disciplines: nutrition (45%);nursing (19%);speech-language pathology (11%);administration (11%);food service (7%);and other (7%). Qualitative content analysis was conducted. Results: COVID-19 hydration-related challenges and potential solutions to mitigate them were identified and categorized into three levels: resident (e.g., reduced access to beverages due to COVID-19 restrictions, apathy);staff (e.g., limited staff, decreased beverage offerings, new staff and role changes, changes in hydration assessment);and home-related (e.g., changes in beverage availability, drinking cups, routines for social events/volunteer assistance and physical distancing in dining areas). Some potential strategies to mitigate the problems included: trolley beverage service between meals;physically distanced interactions;offerings of fluids at every contact by all staff;and, physically distanced events that encourage fluid intake. Conclusions: COVID-19 has impacted hydration practices in residential care at the resident, staff, and home levels. Significance: Creative strategies involving an interdisciplinary team approach are needed to change hydration practices during a pandemic to ensure resident fluid needs are being met in residential care. Funded by: University of Waterloo International Research Development Program, with matching funds from Adelphi University (startup funds for ANM), and University of California at Los Angeles (JM).

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,002
Communication savante0,0020,002
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,069
Tête enseignante GPT0,434
Écart entre enseignants0,365 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetInfection Control and VentilationTravaux en français237 207