“Picturing a Way Forward”: Strategies to Manage the Effects of COVID-19-Related Isolation on Long-Term Care Residents and Their Informal Caregivers
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Strategies to manage the coronavirus disease 2019 (COVID-19) pandemic included widespread use of physical distancing measures. These well-intended strategies adversely affected long-term care (LTC) residents' socialization and their caregiving arrangements, leading to exacerbation of social isolation and emotional distress for both residents and their caregivers. This study aimed to understand how these measures affected informal caregivers of people living in LTC homes in Ontario. Strategies to increase socialization and promote social connection during and post-COVID-19 were also explored. RESEARCH DESIGN AND METHODS: This qualitative study used descriptive and photovoice approaches. Of the 9 potential caregivers identified, 6 participated in the study and shared their experiences and photographic reflections in virtual focus group sessions. RESULTS: Findings highlighted the increased social isolation experienced by people living in LTC and their caregivers during COVID-19. Caregivers reported pronounced declines in residents' well-being and were frustrated by challenges connecting with their family members during quarantine. Attempts made by LTC homes to maintain social connections, such as window visits and video calls, did not fulfill the social needs of residents and their caregivers. DISCUSSION AND IMPLICATIONS: Findings underscore a need for better social support and resources for both LTC residents and their caregivers going forward to prevent further isolation and disengagement. Even in times of lockdown, LTC homes must implement policies, services, and programs that promote meaningful engagement for older adults and their families.
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 | 0,000 | 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 ».