Accompany caregivers to optimize learning with people living with a major neurocognitive disorder: A participatory action research
Notice bibliographique
Résumé
For caregivers of people living with major neurocognitive disorders (MNCD), adapting and applying methods optimizing learning (MOL) to a specific situation, based on preserved cognitive skills, can be challenging. This study aimed to 1) co-develop workshops, a web application and accompanying materials to support the operationalization of MOL; 2) better understand the factors influencing caregivers’ use of MOL, and 3) evaluate the perceived effects of the workshops. A participatory action research study was conducted in collaboration with family caregivers of people living with MNCD and healthcare and community organization workers (HCOW). Qualitative questionnaires and interviews were conducted and transcribed in verbatim. Thematic content analysis was conducted. Workshops and accompanying materials were co-developed and continuously improved based on conceptual framework and feedback from the participants. The final version of the workshops consisted of seven two-hour sessions structured around the type of cognitive deficits affecting the realization of activities. Facilitators (e.g. help to identify the person’s capabilities) and barriers (e.g. fluctuation of MNCD symptoms) for caregivers’ use of the MOL were reported. The identification of the cause of reactive behavioral expressions could be challenging for some family caregivers, reducing the use of MOL. Caregivers mentioned their increased preparedness to support and relationship with the person living with MNCD and feeling of competence for analyzing the reactive behavioral expressions and to use MOL. This participatory action research has shown that caregivers can acquire abilities to adapt and apply MOL in specific situations with people living with MNCD.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».