Developing the Driving and Dementia Roadmap: a knowledge-to-action process
Notice bibliographique
Résumé
OBJECTIVES: Despite three decades of research, gaps remain in meeting the needs of people with dementia and their family/friend carers as they navigate the often-tumultuous process of driving cessation. This paper describes the process of using a knowledge-to-action (KTA) approach to develop an educational web-based resource (i.e. toolkit), called the Driving and Dementia Roadmap (DDR), aimed at addressing some of these gaps. DESIGN: Aligned with the KTA framework, knowledge creation and action cycle activities informed the development of the DDR. These activities included systematic reviews; meta-synthesis of qualitative studies; interviews and focus groups with key stakeholders; development of a Driving and Dementia Intervention Framework (DD-IF); and a review and curation of publicly available resources and tools. An Advisory Group comprised of people with dementia and family carers provided ongoing feedback on the DDR's content and design. RESULTS: The DDR is a multi-component online toolkit that contains separate portals for current and former drivers with dementia and their family/friend carers. Based on the DD-IF, various topics of driving cessation are presented to accommodate users' diverse stages and needs in their experiences of decision-making and transitioning to non-driving. CONCLUSION: Guided by the KTA framework that involved a systematic and iterative process of knowledge creation and translation, the resulting person-centered, individualized and flexible DDR can bring much-needed support to help people with dementia and their families maintain their mobility, community access, and social and emotional wellbeing during and post-driving cessation.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
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 ».