Interventions that have potential to help older adults living with social frailty: a systematic scoping review
Notice bibliographique
Résumé
BACKGROUND: The impact of social frailty on older adults is profound including mortality risk, functional decline, falls, and disability. However, effective strategies that respond to the needs of socially frail older adults are lacking and few studies have unpacked how social determinants operate or how interventions can be adapted during periods requiring social distancing and isolation such as the COVID-19 pandemic. To address these gaps, we conducted a scoping review using JBI methodology to identify interventions that have the best potential to help socially frail older adults (age ≥65 years). METHODS: We searched MEDLINE, CINAHL (EPSCO), EMBASE and COVID-19 databases and the grey literature. Eligibility criteria were developed using the PICOS framework. Our results were summarized descriptively according to study, patient, intervention and outcome characteristics. Data synthesis involved charting and categorizing identified interventions using a social frailty framework. RESULTS: Of 263 included studies, we identified 495 interventions involving ~124,498 older adults who were mostly female. The largest proportion of older adults (40.5%) had a mean age range of 70-79 years. The 495 interventions were spread across four social frailty domains: social resource (40%), self-management (32%), social behavioural activity (28%), and general resource (0.4%). Of these, 189 interventions were effective for improving loneliness, social and health and wellbeing outcomes across psychological self-management, self-management education, leisure activity, physical activity, Information Communication Technology and socially assistive robot interventions. Sixty-three interventions were identified as feasible to be adapted during infectious disease outbreaks (e.g., COVID-19, flu) to help socially frail older adults. CONCLUSIONS: Our scoping review identified promising interventions with the best potential to help older adults living with social frailty.
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 | 0,014 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».