Facilitators, barriers and impacts to implementing dementia care training for staff in long-term care settings by using fully immersive virtual reality: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: The rapid growth of the ageing population underscores the critical need for dementia care training among care providers. Innovative virtual reality (VR) technology has created opportunities to improve dementia care training. This scoping review will specifically focus on the barriers, facilitators and impacts of implementing fully immersive VR training for dementia care among staff in long-term care (LTC) settings. METHODS AND ANALYSIS: We will follow the Joanna Briggs Institute's scoping review methodology to ensure scientific rigour. We will collect literature of all languages with abstracts in English from CINAHL, Medline, Scopus, Embase, Web of Science and ProQuest database until 31 December 2023. Grey literature from Google Scholar and AgeWell websites will be included. Inclusion criteria encompass papers involving paid staff (Population), fully immersive VR training on dementia care (Concept) and LTC settings (Context). Literature referring only to non-paid caregivers, non-fully immersive VR or other chronic diseases will be excluded. Literature screening, data extraction and analysis will be conducted by two reviewers separately. We will present a narrative summary with a charting table on the main findings. ETHICS AND DISSEMINATION: This work does not require ethics approval, given the public data availability for this scoping review. Through a comprehensive overview of the current evidence regarding impacts, barriers and facilitators on this topic, potential insights and practical recommendations will be generated to support the implementation of VR training to enhance staff competence in LTC settings. The findings will be presented in a journal article and shared with practitioners on the frontline.
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 | 0,120 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,019 | 0,013 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,011 |
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 ».