Coconstructing a Flexible At-Home Respite Model For and With Caregivers of Older Adults: A Living Lab Approach
Notice bibliographique
Résumé
At-home respite services seem too rigid to meet the needs of older adults and their caregivers. It is critical to develop service flexibility, as it allows for personalized care, adapted to health conditions, preferences, and evolving needs. While no prior studies used coconstruction methods to increase flexibility, this study could offer a better understanding of flexible respite for stakeholders. Using a living lab approach, this article aimed to (1) empirically determine the characteristics of this type of respite model and (2) document the levers and obstacles to consider for its implementation. Starting from a pre-existing flexible respite model named ANAAIS, the research team led workshops and interviews. First, the team carried out 2 workshops (TRIAGE and persona-scenario) with a total of 3 caregivers and 8 homecare professionals or managers. Second, a team member conducted interviews with 3 caregivers and 6 homecare professionals or managers. Content analysis was used on the data. The stakeholders coconstructed a Québec version of ANAAIS, a web application allowing caregivers to request an affordable respite, at the time wanted, and offered by a qualified care worker, through a simple application. Levers and barriers to its deployment are linked to the model’s characteristics as well as its internal and external context. For example, relations and connexions were perceived as a lever to deployment, while the lack of resources was considered an obstacle. This living lab project showed the feasibility and pragmatism of coconstructing a flexible and applicable respite service model.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».