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 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 | 0,169 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,012 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,005 | 0,026 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».