With COVID Comes Complexity: Assessing the Implementation of Family Visitation Programs in Long-Term Care
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Coronavirus disease 2019 (COVID-19) pandemic visitor restrictions to long-term care facilities have demonstrated that eliminating opportunities for family-resident contact has devastating consequences for residents' quality of life. Our study aimed to understand how public health directives to support family visitations during the pandemic were navigated, managed, and implemented by staff. RESEARCH DESIGN AND METHODS: Guided by the Consolidated Framework for Implementation Research, we conducted video/telephone interviews with 54 direct care and implementation staff in six long-term care homes in two Canadian provinces to assess implementation barriers and facilitators of visitation programs. Equity and inclusion issues were examined in the program's implementation. RESULTS: Despite similar public health directives, implementation varied by facility, largely influenced by the existing culture and processes of the facility and the staff understanding of the program; differences resulted in how designated family members were chosen and restrictions around visitations (e.g., scheduling and location). Facilitators of implementation were good communication networks, leadership, and intentional planning to develop the visitor designation processes. However, the lack of consultation with direct care staff led to logistical challenges around visitation and ignited conflict around visitation rules and procedures. DISCUSSION AND IMPLICATIONS: Insights into the complexities of implementing family visitation programs during a pandemic are discussed, and opportunities for improvement are identified. Our results reveal the importance of proactively including direct care staff and family in planning for future outbreaks.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».