Using videos and films with people with major cognitive disorder living in care settings: A scoping review
Notice bibliographique
Résumé
Background: The use of videos and films may improve the well-being of people with major cognitive disorder.Most literature about the use is within the community.There is a literature gap in the use in care settings.Exploring this gap is particularly timely during the COVID-19 pandemic, considering the lockdown of many care settings and the potential support that videos and films can be provided to people with the major cognitive disorder in these settings.In addition, compared with more complex technologies, videos and films are relatively inexpensive and easy to implement, making them more accessible.Objective: This scoping review aims to understand the facilitators and barriers to implementing videos and films with people with the major cognitive disorder in care settings, as well as the benefits and drawbacks of using this technology with this population.Method: This scoping review followed the Joanna Briggs Institute scoping review methodology.It was conducted between May and July 2022.It followed a three-step search strategy: (1) identifying keywords from an initial broad search using two databases CINAHL and AgeLine; (2) doing a second search using all identified keywords and index terms across chosen databases (CINAHL, AgeLine, MEDLINE, PsycINFO, Web of Science, Pro-Quest, and Google); and (3) hand-searching the reference lists of all selected articles for additional literature. Results:The final results included ten articles.Content analysis was conducted.Facilitators and barriers to implementing videos and films with people with the major cognitive disorder in care settings were identified.The benefits and drawbacks of using videos and films with this population were also identified.Conclusion: This scoping review presents current evidence on facilitators and barriers to implementing videos and films with people with the major cognitive disorder in care settings, and the benefits and drawbacks of using videos and films with this population.
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 | 0,020 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,016 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».