Perceptions of Hospital Care for Persons With Dementia During the COVID-19 Pandemic: A Social Media Sentiment Analysis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The coronavirus disease 2019 (COVID-19) pandemic led to many hospital service disruptions and strict visitor restrictions that affected care of older adult populations. This study investigates perceptions of hospital care for persons with dementia during the COVID-19 pandemic as shared on Reddit's social media platform. RESEARCH DESIGN AND METHODS: This study combined an Opinion Mining Framework with linguistic processing to conduct a sentiment analysis of word clusters and care-based content in a sample of 1,205 posts shared between February 2020 and March 2023 in Reddit's English-language corpus. Data were classified based on reoccurring contiguous sequences of 2 words from our text sample. RESULTS: Hospital dementia care discourse on Reddit advanced 4 negative sentiment themes: (1) fear of poor medication management, hydration, and hygiene, (2) loss of patient advocacy, (3) precipitation of advance directive discussions, and (4) delayed discharge and loss of nursing home bed. One positive sentiment theme also emerged: gratitude toward hospital staff. DISCUSSION AND IMPLICATIONS: Negative sentiment Reddit posts constituted a larger share of the posts than positive posts regarding hospital care for persons with dementia. People who posted about their experiences shared their concerns about hospital care deficiencies and the importance of including informal caregivers in hospital settings, particularly in the context of a pandemic. Implications exist for dementia training, improved quality of care, advance care planning, and transitions in care policies.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».