A Longitudinal Evaluation of Restraint Reduction within a Multi-site, Multi-model Canadian Continuing Care Organization
Notice bibliographique
Résumé
RÉSUMÉ Bien que la documentation américaine sur la réduction de l'usage des moyens de contention soit relativement importante, les travaux de recherche publiés sur cette même question sont moins nombreux sur les pensionnaires d'un établissement canadien de soins de longue durée. Les statistiques des plus importants établissements de ce type financés et exploités au Canada ont mis au jour des attitudes révélatrices envers les moyens mécaniques de contention. Durant les quatre années d'une étude comportant une campagne visant à réduire l'utilisation de moyens mécaniques de contention, la prévalence organisationnelle est passée de 24,68 % à 16,01 %. Il existait une variabilité substantielle en matière de contention parmi les 11 centres de l'organisation (échelle de 0 à 39,86 % des pensionnaires faisant l'objet de contention) et tous sauf un ont pu réduire la contention mécanique. Des facilitateurs particuliers à la réalisation et au maintien de la réduction de la contention sont indiqués, notamment les établissements de petite taille, la fourniture de soins spécialisés (par ex., maladie d'Alzheimer), et un «champion» résidant sur place. Des obstacles particuliers, comme la grande taille d'un établissement et un champion résidant à l'extérieur font aussi l'objet de discussion.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».