Technologies and the Effects On Social Engagement In Long-Term Care Facilities During COVID-19: A Scoping Review
Notice bibliographique
Résumé
Abstract During the COVID-19 pandemic, the sense of loneliness and social isolation felt by older adults in long-term care facilities has been exacerbated. Although there has been an increase in the number of digital solutions to mitigate social isolation during COVID-19, facilities in northern British Columbia do not have sufficient information regarding the technologies to support social connectedness. To support evidence-based policy decisions, a scoping review was conducted to identify existing virtual technology solutions, apps, and platforms that promote social connectedness among older adults residing in long-term care. A combination of keywords and subject headings were used to identify relevant literature within PubMed, CINAHL EBSCO, PsychINFO EBSCO, Embase OVIDSP, and Web of Science ISI databases. DistillerSR was used to screen and summarize the article selection process. Twenty-three articles were identified for full-text analysis. A variety of technologies are described which can be used to mitigate the impacts of social isolation felt by long-term care residents. However, many of these digital solutions require stable highspeed internet. This remains a challenge for facilities in northern areas as many have limited access to reliable internet. Metrics used to evaluate social engagement in the context of long-term care are also outlined. This research provides the preliminary groundwork necessary to better inform policy decisions about which technologies are available and, of these, which are effective at enhancing social connectedness for older adults in long-term care.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».