“I see beauty, I see art, I see design, I see love.” Findings from a resident-driven, co-designed gardening program in a long-term care facility
Notice bibliographique
Résumé
BACKGROUND: Engagement with the natural environment is a meaningful activity for many people. People living in long-term care facilities can face barriers to going outdoors and engaging in nature-based activities. In response to needs expressed by our long-term care facility resident partners, we examined the feasibility and benefits of a co-designed hydroponic and raised-bed gardening program. METHODS: Our team of long-term care facility residents, staff and researchers co-designed and piloted a four-month hydroponic and raised-bed gardening program along with an activity and educational program, in 2019. Feedback was gathered from long-term care facility residents and staff through surveys (N = 23 at baseline; N = 23 at follow-up), through five focus groups (N = 19: n = 10 staff; n = 9 residents) and through photovoice (N = 5). A qualitative descriptive approach was applied to focus group transcripts to capture a rich account of participant experiences within the naturalistic context, and descriptive statistics were calculated. RESULTS: While most residents preferred to go outside (91%), few reported going outside every day (30%). Program participants expressed their joy about interacting with nature and watching plants grow. Analyses of focus group data generated the following themes: finding meaning; building connections with others through lifelong learning; impacts on mental health and well-being; opportunities to reminisce; reflection of self in gardening activities; benefits for staff; and enthusiasm for the program to continue. CONCLUSION: Active and passive engagement in gardening activities benefitted residents with diverse abilities. This fostered opportunity for discussions, connections and increased interactions with others, which can help reduce social isolation. Gardening programs should be considered a feasible and important option that can support socialization, health and well-being.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».