MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405961764 · doi:10.1093/geroni/igae098.2160

INNOVATIONS IN LONG-TERM CARE SECTOR DURING COVID-19: A SCOPING REVIEW

2024· review· en· W4405961764 sur OpenAlexaffabout
Ruth Caldeira de Melo, Suzanne Santos, Sumaya Bhatti, Yanjun Duan, Charlene H. Chu, Franziska Zúñiga, Lisa Cranley, Michael Lepore

Notice bibliographique

RevueInnovation in Aging · 2024
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Term (time)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicineVirologyPhysicsAstronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Different innovations were implemented in Long-Term Care (LTC) homes during COVID-19. Although designed to support stakeholders, innovations also have the potential to exacerbate disparities and inequalities in this sector. This scoping review aims to analyze innovations implemented in the residential LTC sector during the pandemic in four countries: Canada, USA, Brazil, and Switzerland. Potential studies were searched in six databases. Search strategy and eligibility criteria followed the mnemonic “PCC” (i.e., Population: residents, family members/caregivers, and other stakeholders, Concept: innovation, and Context: residential LTC sector). The studies retrieved from databases were screened by two independent reviewers. Discordances between reviewers were solved by consensus or by a third reviewer. A customized spreadsheet was used for data extraction. The search identified 4,056 registers. After excluding duplicate studies, 3,122 records were screened. From them, 98 studies fulfilled the eligibility criteria and were included. Half of the studies were conducted in the USA (51.0%), followed by Canada (39.8%). Few studies were conducted in Switzerland (n=3) and Brazil (n=1). Included studies have different design methods qualitative (18.4%), observational (17.3%), experimental (17.3%) and mixed methods (10.2%). Other types of design methods (opinion, commentary, experience reports, editorial, etc.) and literature reviews accounted for 28.6% and 8.2%, respectively. The innovations presented in the studies were classified according to type, level, and setting. Stakeholder engagement with innovation was categorized as active, passive, and co-designed. results of studies that involved stakeholders are presented in the following papers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,102
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,102
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0180,024
Études des sciences et des technologies0,0020,002
Communication savante0,0060,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,141
Tête enseignante GPT0,402
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetCOVID-19 Pandemic Impacts→Travaux en français237 207→