Personalized Tablets for Residents in Long-Term Care to Support Recreation and Mitigate Isolation
Notice bibliographique
Résumé
OBJECTIVES: There is a digital divide in long-term care homes (LTCHs), with few residents having regular access to internet-connected devices. In this study, we provided long-term care residents with personalized and adapted tablets. We aimed to understand what factors influenced tablet use and the impact of tablet access on opportunities for social connection and recreation. DESIGN: A pragmatic, mixed-methods multicenter, open-label, uncontrolled interventional study with assessment of outcomes at baseline and 3 months. SETTING AND PARTICIPANTS: A total of 58 resident-care partner dyads were recruited across 7 LTCHs in Ontario, Canada. The main inclusion criterion was having a care partner willing to participate, and we excluded residents who already had an internet-connected device. METHODS: Resident demographics, functional status assessments, and recreational engagement were captured using items from the Resident Assessment Instrument/Minimum Data Set. Care partners completed a questionnaire about relational closeness and site leads assessed resident quality of life before and approximately 3 months after tablet distribution. Interviews with 23 care partners and 7 residents post-implementation were completed and analyzed. RESULTS: The median tablet use by participants was 7 minutes (interquartile range 27) per day on average over the study period. Predictors of higher tablet use were younger age, higher cognitive functioning, absence of hearing impairment, and having a care partner who lives farther away. There was no improvement on quantitative measures of quality of life, recreation, or relational closeness. In interviews, participants identified many different opportunities afforded by access to personalized tablets. CONCLUSIONS AND IMPLICATIONS: Some LTCH residents without current access to the internet benefit from being provided a personal tablet and use it in a variety of ways to enrich their lives. There is a critical need to bridge the digital divide for this population.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,003 |
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 ».