Virtual Dementia-Friendly Communities (Verily Connect) Stepped-Wedge Cluster-Randomised Controlled Trial: Improving Dementia Caregiver Wellbeing in Rural Australia
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.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».