Barriers and enablers of dementia training in healthcare workers in rural and remote Australia: A scoping review to inform future approaches to training
Notice bibliographique
Résumé
INTRODUCTION: Dementia is now responsible for the greatest burden of disease of any chronic illness in older Australians. Rural and remote communities bear the impacts of this disproportionately. Additional training and education for healthcare staff to support people living with dementia is needed. OBJECTIVE: The objective of this scoping review was to map and synthesise the evidence related to barriers and enablers of accessing dementia training for Australian healthcare workers located in rural and remote areas. DESIGN: This scoping review systematically searched multiple databases in January 2023 for peer-reviewed literature on the topic. Reviewers used Covidence to screen titles and abstracts of located sources, and to screen full-text articles. FINDINGS: From 187 articles screened, seven peer-reviewed journal articles were included in the final data analysis; all were from Australia or Canada. The most common barrier described was low staffing, precluding release of staff for dementia training. Enablers to participation in dementia training were availability of online training programs, as well as training providers collaborating with end users to ensure the training met their learning needs. DISCUSSION: This review provides evidence of barriers and enablers specific to rural and remote healthcare workers accessing dementia training. It also explores other approaches to training that have been trialled successfully in different settings. CONCLUSION: Addressing the identified barriers and enablers may assist in developing training approaches appropriate for existing staff, and in meeting training needs for the future workforce.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| 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 ».