Transitioning Towards a Virtual Falls Prevention Program for Frail Seniors: Learning from the Experiences of Older Adults During the COVID-19 Pandemic
Notice bibliographique
Résumé
Background: The literature to date is unable to clearly characterize the appropriateness of virtual care for falls prevention services from the patient perspective. In response to COVID-19, the Falls Prevention Program (FPP) at Sunnybrook Health Sciences Centre was modified to include virtual components. We set out to uncover the experiences of this unique older-adult patient population to inform FPP quality improvement and appropriate incorporation of technology post-pandemic. Methods: FPP patients during the COVID-19 pandemic (February 2020 - February 2022) and their primary caregivers met inclusion criteria. Out of 18 eligible patients, 10 consented to participate in 20-minute, semi-structured telephone interviews conducted and transcribed by the first author. Inductive coding followed by theme generation occurred through collaborative analysis. Results: The participants (n=10) were 60% female, mean age 84 years (SD 5.8), 60% living alone, and 70% university educated. We generated three main themes: 1) First Steps First, revealed a common desire for physical and mental support and the perceived essentials of a successful FPP highlighting the importance of program length and individualized attention; 2) Overcoming Obstacles, highlighted participants' experiences overcoming barriers with technology in the context of an isolating pandemic; and 3) Advancing Care Post-Pandemic, elaborated on the appropriateness of virtual care and delved into the importance of program personalization. Conclusion: The interviewed older adults revealed agreement on the FPP's necessity and the importance of increasing program length, one-on-one interaction, and program flexibility for unique patient needs. Incorporating virtual assessment prior to in-person exercises was largely favoured and should be considered as an appropriate use of technology post-pandemic.
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 | 0,010 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».