NURSING ASSISTANTS’ USE OF AUTONOMY-SUPPORTIVE STRATEGIES IN LONG-TERM CARE
Notice bibliographique
Résumé
Maximizing nursing home (NH) resident autonomy is a person-centered care best practice. At times, resident decisions are based on preferences that some NH staff view as unhealthy or potentially risky. Support of resident autonomy is a fundamental aspect of person-centered care NHs, challenging nursing assistants (NAs) to balance the need to minimize physical risks associated with some residents' preferences with the need to honor resident autonomy. Autonomy-supportive strategies have been investigated in the areas of education, parenting, and psychotherapy, but there have been no studies to date examining how NAs support resident autonomy in NHs. The purpose of this study was to explore autonomy-supportive strategies used by NAs in three NH neighborhoods at a Veterans Affairs Medical Center. Approximately 80 hours of behavioral observation and 13 interviews were conducted with NAs across the three neighborhoods. Data were analyzed using thematic analysis. Ten autonomy-supportive strategies were identified: assisting, monitoring, encouraging, bargaining, informing, providing instructions, persuading, asking, providing options, and redirecting. Although all strategies incorporated some degree of shared decision-making between NAs and residents, some strategies were more restrictive than others. Persuading and redirecting were effective at impeding residents from engaging in risky behaviors, while assisting and encouraging were ideal for promoting functioning independence and freedom. A common theme across all strategies was the use of respectful, non-controlling language. Results from the study contribute to the general literature on autonomy by elucidating the types of strategies NAs can use to promote greater resident autonomy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».