Exploring experiences of loneliness among Canadian long‐term care residents during the COVID‐19 pandemic: A qualitative study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has significant impact on long-term care (LTC) residents' health and well-being. OBJECTIVES: This study investigated resident experiences of loneliness during the COVID-19 pandemic in Canadian LTC homes to offer lessons learned and implications. METHODS: 15 residents and 16 staff members were recruited from two large urban Canadian LTC homes with large outbreaks and fatalities. We used a telepresence robot to conduct one-on-one semi-structured interviews with participants remotely. We applied the Collaborative Action Research (CAR) methodology and report the early phase of CAR focused on collecting data and reporting findings to inform actions for change. Thematic analysis was performed to identify themes. RESULTS: Four themes were identified. The first two themes characterise what commonly generated feelings of loneliness amongst residents, including (1) social isolation and missing their family and friends and (2) feeling hopeless and grieving for lives lost. The second two themes describe what helped residents alleviate loneliness, including (3) social support and (4) creating opportunities for recreation and promoting positivity. CONCLUSIONS: Residents living in LTC experienced significant social isolation and grief during the pandemic that resulted in loneliness and other negative health consequences. IMPLICATIONS FOR PRACTICE: Promoting meaningful connection, safe recreational activities and a positive atmosphere in LTC homes during the pandemic may help mitigate residents' experiences of loneliness due to social isolation and/or grief and enhance their quality of life.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».