Preventable? Long-Term Care Policy Successes and Failures During COVID-19 Pandemic: A Scoping Literature Review
Notice bibliographique
Résumé
Abstract The number of older adults who live in long-term care (LTC) is expected to increase worldwide. The COVID-19 pandemic has caused serious consequences in Canadian LTC homes, while homes in China and Japan reported minimal infection and death rates in residents. The differences in LTC policies may be one of the contributors. The purpose of this literature review was to identify elements of the LTC policies that might have impacted COVID-19 outcomes in LTC homes in Canada, China, and Japan. A scoping review was conducted following the framework proposed by Arksey and O’Malley. Scholarly articles and grey literature published between January 2015 and June 2020 were identified in six databases, four in English (CINAHL, Scopus, ProQuest, and PubMed), one in Chinese (CNKI), and one in Japanese (CiNii), using MeSH terms for LTC and health policy. Grey literature was identified using Google. Data were extracted, summarized and common themes identified through content analysis. A total of 52 articles and 26 grey sources were included in the review based on determined inclusion criteria. They were research articles, reviews, government or association reports, policy briefs, policy documents, and guides. Four common themes of challenges emerged: caregiver workforce, service provision, funding, and physical environments. Three sub-themes were identified for caregiver workforce and service provision. Differences in COVID-19 consequences in LTC homes in the three countries seem to be related mainly to the challenges with the caregiver workforce and the lack of funding. The result suggests Improvements of LTC policies are required, especially in Canada.
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 | 0,020 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,025 | 0,025 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».