Preliminary evidence for the impact of digital life stories about aged care residents on staff knowledge and understanding regarding those residents; A single arm trial
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: This study aimed to examine the impact of digital stories about aged care residents on staff knowledge and understanding regarding those residents. BACKGROUND: More than a quarter of a million older Australians live in residential aged care facilities. This living arrangement can inhibit the expression of a person's sense of identity. Without objects and cues that reflect the person's selfhood, it can be difficult for a person to express their uniqueness. Staff may not sufficiently appreciate the resident's individuality and therefore may not be able to customise care for the resident. DESIGN: This study used a single-arm trial design. METHODS: The study was conducted in four residential aged care facilities. Short digital life stories (3-4 min) of eight residents were constructed by student volunteers over 6 months. Participants (n = 53 care staff) completed a self-report measure of their knowledge and understanding of a resident before and after watching the resident's story. The study adhered to guidelines for Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) (see Appendix S1). RESULTS: Pre- and post-test scores of the measure were compared using paired samples t-tests. These scores changed significantly, showing an improvement of knowledge and understanding regarding residents. CONCLUSIONS: Watching digital life stories were associated with improvements in knowledge and understanding by staff, and hence have the potential to foster a greater level of understanding of residents by such staff, and more person-centred care practices within residential aged care facilities. RELEVANCE TO CLINICAL PRACTICE: Digital stories about aged care residents are quick and efficient methods for improving aged care staff members' knowledge and understanding of the residents under their care. With such understanding, staff may be able to better customise care for residents, thereby validating residents' sense of identity and elevating residents' quality of life.
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 | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».