Multi-Level Factors Associated with Relationship-Centred and Task-Focused Mealtime Practices in Long-Term Care: A Secondary Data Analysis of the Making the Most of Mealtimes Study
Notice bibliographique
Résumé
Abstract Mealtimes in long-term care (LTC) can reinforce relationships between staff and residents through relationship-centred care (RCC) practices; however, meals are often task-focused (TF). This cross-sectional study explores multi-level contextual factors that contribute to RCC and TF mealtime practices. Secondary data from residents in 32 Canadian LTC homes were analyzed (n = 634; mean age 86.7 ± 7.8; 31.1% male). Data included resident health record review, standardized mealtime observation tools, and valid questionnaires. A higher average number of RCC (9.6 ± 1.4) than TF (5.6 ± 2.1) practices per meal were observed. Multi-level regression revealed that a significant proportion of variation in the RCC and TF scores was explained at the resident- (intraclass correlation coefficient [ICC]RCC = 0.736; ICCTF = 0.482), dining room- (ICCRCC = 0.210; ICCTF = 0.162), and home- (ICCRCC = 0.054; ICCTF = 0.356) levels. For-profit status and home size modified the associations between functional dependency and practices. Addressing multi-level factors can reinforce RCC practices and reduce TF practices.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».