CO-CREATING A VIRTUAL REALITY IN HOSPITAL WITH PATIENT AND FAMILY PARTNERS AND STAFF FOR OLDER ADULTS WITH DEMENTIA
Notice bibliographique
Résumé
Abstract Growing evidence suggests that Virtual Reality (VR) is promising to improve the wellbeing of older patients in dementia care units in hospitals. However, older patients are often excluded from VR opportunities. Engaging patient partners, family caregivers and staff in co-creating VR program shows potential in addressing unique needs of older patients, supporting staff in implementation, and enhancing understanding complexity in clinical settings. However, literature that describes fulsome partnership with abovementioned joint stakeholders in the co-creation process is absent. The study aims to understand psychosocial needs of older adults with dementia in hospital and how VR could be best implemented in the complex clinical setting. Drawing principles of Collaborative Action Research (CAR) and applying an equity and inclusive lens, we conducted qualitative focus groups, co-design workshops and interviews with 46 stakeholders (7 patient partners, 8 family caregivers, 19 staff members and 12 leaders) in hospital. Consolidated Framework for Implementation Research (CFIR) informed our data collection and analysis. We identified three key themes to co-create a VR program for older adults with dementia in hospital to address their psychosocial needs and facilitate staff’s implementation, acronymized as aim 1) Approach matters; 2) Interactiveness; and 3) Multi-sensory stimulation. Our results underscore the imperative of engaging joint stakeholders in co-creation for older adults with dementia in hospital to address their psychosocial needs with VR, who deserve digital equity but are traditionally underrepresented in technology program development and implementation. This study contributes valuable insights into the future development and deployment of VR in geriatric care settings.
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 | 0,015 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».