A Mixed Methods Study to Implement the Synergy Tool and Evaluate Its Impact on Long-Term Care Residents
Notice bibliographique
Résumé
Background: There are ongoing workforce challenges with the delivery of long-term care (LTC), such as staffing decisions based on arbitrary standards. The Synergy tool, a resident-centered approach to staffing, provides objective, real-time acuity and dependency scores (Synergy scores) for residents. The purpose of this study was to implement and evaluate the impact of the Synergy tool on LTC delivery. Methods: A longitudinal mixed methods study took place within two publicly funded LTC homes in British Columbia, Canada. Quantitative data included weekly Synergy scores for residents (24 weeks), monthly aggregated resident falls data (18 months) and a six-month economic evaluation. Qualitative data were gathered from family caregivers and thematically analyzed. Results: Quantitative findings from Synergy scores revealed considerable variability for resident acuity/dependency needs within and across units; and falls decreased during implementation. The six-month economic evaluation demonstrated some cost savings by comparing Synergy tool training and implementation costs with savings from resident fall rate reductions. Qualitative analyses yielded three positive impact themes (improved care delivery, better communication, and improved resident-family-staff relationships), and two negative structural themes (language barrier and staff shortages). Conclusions: The Synergy tool provides useful data for enhancing a ‘fit’ between resident needs and available staff.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».