MétaCan
Menu
Retour à la cohorte
Enregistrement W4405961907 · doi:10.1093/geroni/igae098.2162

TECHNOLOGY-BASED INNOVATIONS IN LONG-TERM CARE HOMES DURING COVID-19 AND RELATED INCLUSION PRACTICES

2024· article· en· W4405961907 sur OpenAlexaffabout
Charlene H. Chu, Sumaya Bhatti, Yanjun Duan, Suzanne Santos, Michael Lepore, Ruth Caldeira de Melo, Franziska Zúñiga, Lisa Cranley

Notice bibliographique

RevueInnovation in Aging · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Inclusion (mineral)Term (time)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakLong-term careMedicinePsychologyNursingVirologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract The COVID-19 pandemic has magnified challenges in Long-Term Care Homes (LTCHs), driving the adoption of technology-based solutions. The scoping review to explore technology-based innovations into a LTCH during COVID-19 in Canada, the US, Brazil and Switzerland produced 60 studies. The most reported technologies were use of telemedicine/virtual medical care tools that allowed for remote delivery of health care (n=16) within LTCHs, and robotics for clinical tasks and social interaction (n=14). Less frequently reported technologies were: wearables for health monitoring (n=2), mobile apps to improve residents’ mental well-being (n=2), and call light systems (n=1) between residents and staff. Most technologies were introduced by researchers (n=38) which primarily engaged with staff (n=30) and residents (n=24). Studies with telemedicine and robotics (n=30) focused on exploring the feasibility and acceptability of technology with the aim to improve optimal resident care and increase social connectedness. Notably, the most common goals of the technology-based innovations were to provide virtual medical care and to engage residents socially. The majority of the papers had active engagement (n=24) which relies on stakeholder’s actions (i.e. video calls). We also examined the level of inclusion and engagement of residents, their families, and staff and found varying levels of engagement. the term “co-design” was explicitly used (n=7) where the innovation was designed together with the stakeholders (for example, stakeholder opinions were considered during the process). This paper describes the engagement of stakeholders of these technological innovations, and points to the need for future research in this area.

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)0,028
score de la tête « metaresearch » (Gemma)0,135
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,135
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0070,009
Études des sciences et des technologies0,0030,002
Communication savante0,0060,006
Science ouverte0,0020,010
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,021
Tête enseignante GPT0,358
Écart entre enseignants0,337 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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 AgingMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207