Virtual Dementia-Friendly Communities (Verily Connect) Stepped-Wedge Cluster-Randomised Controlled Trial: Improving Dementia Caregiver Wellbeing in Rural Australia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Caring for people living with dementia often leads to social isolation and decreased support for caregivers. This study investigated the effect of a Virtual Dementia-Friendly Rural Communities (Verily Connect) model on social support and demand for caregivers of people living with dementia. The co-designed intervention entailed an integrated website and mobile application, peer-support videoconference, and technology learning hubs. This mixed-methods, stepped-wedge, cluster-randomised controlled trial was conducted with 113 participants from 12 rural communities in Australia. Caregiver data were collected using MOS-SSS and ZBI between 2018 and 2020. The relationship between post-intervention social support with age, years of caring, years since diagnosis, and duration of intervention were explored through correlation analysis and thin plate regression. Google Analytics were analysed for levels of engagement, and cost analysis was performed for implementation. Results showed that caregivers’ perception of social support (MOS-SSS) increased over 32 weeks (p = 0.003) and there was a marginal trend of less care demand (ZBI) among caregivers. Better social support was observed with increasing caregiver age until 55 years. Younger caregivers (aged <55 years) experienced the greatest post-intervention improvement. The greatest engagement occurred early in the trial, declining sharply thereafter. The Verily Connect model improved caregivers’ social support and appeared to ease caregiver demand.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 découle