CASE SCENARIOS OF CANADIAN MEDIC-ALERT SUBSCRIBERS WITH DEMENTIA WHO GO MISSING
Notice bibliographique
Résumé
Abstract With the increasing prevalence of dementia worldwide, it is expected that incidences of getting lost and going missing among persons living with dementia due to wayfinding challenges will also increase. Despite this, there is currently a gap in accessible education materials specific to risk factors and incidents of getting lost and going missing, aimed at first responders and family care partners. Case scenarios can effectively convey the circumstances of recurring events while also accounting for lived experiences. The purpose of this project was to develop case scenarios informed by real-life missing incidents that involve persons living with dementia in Canada. Qualitative description and conventional content analysis were used to analyze summary notes of missing incidents (n=515) obtained from Medic-Alert Foundation Canada hotline database. Summary notes contained: demographics of the missing person, their living situation and circle of support, events leading up to incident, by whom and where they were found, their health condition, and how they were re-united with their care partners. Case scenarios were developed that reflected the common (e.g., going missing while on foot, being found on the street) as well as less common (e.g., going missing while driving, being found seriously injured). Five experts (person living with dementia, care partner, health care professional, support providers) reviewed these scenarios to ensure relevance. Case scenarios can raise awareness of the circumstances encountered during missing incidents. The scenarios can be used by first responders and care partners to learn how to respond to missing incidents and receive support.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».