Leveraging Promising Policies to Support Long-Term Care Residents' Quality of Life Post-Pandemic
Notice bibliographique
Résumé
Abstract Long-term care (LTC) is highly regulated and often the policy language is complex and in tension with residents’ quality of life goals. Prior to COVID-19, LTC policy levers prioritized safety over other quality domains such as privacy, dignity, spirituality, and comfort. During the pandemic, this focus on safety regulations, while important, intensified in ways that often negatively impacted residents’ overall quality of life. In this symposium, we share findings from a five- year research project where we conducted a unique and expansive review of regulatory policy across four Canadian jurisdictions. We highlight how 11 different quality of life domains are supported and which texts offering promising policy language to enhance a well-rounded quality of life for residents. These are timely insights to offer as policy-makers look to the future and consider the lessons learned from the pandemic. We contend that creating more LTC policy is not a timely pathway forward to LTC reform. Instead, we suggest that existing policy can be leveraged when applied within a resident-centred quality of life lens. We will guide attendees through examples of existing promising policies highlighting how they might leveraged in planning for a better LTC system. The discussion will be rooted in our unique resident-centred approach to policy analysis using specific domains of quality of life and then applied to four different perspectives: residents, families, staff and volunteers. Our discussant a Ministry of Health decision-maker will address the implications of our research for post-pandemic planning to improve resident 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 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 | 0,053 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,016 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».