Assessment tools for measurement of dementia-friendliness of a community: A scoping review
Notice bibliographique
Résumé
BACKGROUND: A quantitative assessment of the dementia-friendliness of a community can support planning and evaluation of dementia-friendly community (DFC) initiatives, internal review, and national/international comparisons, encouraging a more systematic and strategic approach to the advancement of DFCs. However, assessment of the dementia-friendliness of a community is not always conducted and continuous improvement and evaluation of the impact of dementia-friendly initiatives are not always undertaken. A dearth of applicable evaluation tools is one reason why there is a lack of quantitative assessments of the dementia-friendliness of communities working on DFC initiatives. PURPOSE: A scoping review was conducted to identify and examine assessment tools that can be used to conduct quantitative assessments of the dementia-friendliness of a community. DESIGN AND METHODS: Peer-reviewed studies related to DFCs were identified through a search of seven electronic databases (MEDLINE, CINAHL, PsycINFO, Embase, EMCare, HealthSTAR, and AgeLine). Grey literature on DFCs was identified through a search of the World Wide Web and personal communication with community leads in Australia, Canada, New Zealand, the United Kingdom, and the United States. Characteristics of identified assessment tools were tabulated, and a narrative summary of findings was developed along with a discussion of strengths and weaknesses of identified tools. RESULTS: Forty tools that assess DFC features (built environment, dementia awareness and attitudes, and community needs) were identified. None of the identified tools were deemed comprehensive enough for the assessment of community needs of people with dementia.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».