The Environmental Audit Screening Evaluation: Establishing Reliability and Validity of an Evidence-Based Design Tool
Notice bibliographique
Résumé
Background and Objectives: Current assessment tools for long-term care environments have limited generalizability or ability to be linked to specific quality outcomes. To discriminate between different care models, tools are needed to assess important elements of the environmental design. The goal of this project was to systematically evaluate the reliability and validity of the Environmental Audit Screening Evaluation (EASE) tool to better enable the identification of best models in long-term care design to maintain quality of life for persons with dementia and their caregivers. Research Design and Methods: Twenty-eight living areas (LAs) were selected from 13 sites similar in organizational/operational commitment to person-centered care but with very different LA designs. LAs were stratified into 3 categories (traditional, hybrid, and household) based primarily on architectural/interior features. Three evaluators rated each LA using the Therapeutic Environment Screening Scale (TESS-NH), Professional Environmental Assessment Protocol (PEAP), Environmental Audit Tool (EAT-HC), and EASE. One of each type of LA was reassessed approximately 1 month after the original assessment. Results: = 0.82 and 0.71, respectively). Analysis of variance indicated that the EASE distinguished between traditional and home-like settings (0.016), but not hybrid LAs. Interrater and inter-occasion reliability and agreement of the EASE were consistently high. Discussion and Implications: Neither of the 2 U.S.-based existing environmental assessment tools (PEAP and TESS-NH) discriminated between the 3 models of environments. The EAT-HC was most closely aligned with the EASE and performed similarly in differentiating between the traditional and household models, but the dichotomous scoring of the EAT-HC fails to capture environmental nuances. The EASE tool is comprehensive and accounts for nuanced design differences across settings.
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 | 0,216 | 0,320 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».