PATTERNS OF RUSHED AND UNFINISHED CARE AMONG CARE AIDES IN NURSING HOMES: A LATENT CLASS ANALYSIS
Notice bibliographique
Résumé
Abstract Rushed care and unfinished care (also called missed care, care rationing) are common in nursing homes. Although the two phenomena are interrelated, most researchers have studied them separately and used a variable-centered approach. We took a person-focused approach and aimed to identify groups of care aides who rushed care and left care tasks unfinished in similar ways. This cross-sectional analysis used survey data from 3546 care aides working in a random sample of 87 urban nursing homes collected from September 2019 to February 2020 in three provinces in western Canada. We presented to care aides a list of physical and social care tasks (e.g., bathing, talking with residents). They answered whether or not they rushed or left a care task unfinished in their previous shift of work. We performed latent class analysis to identify patterns of rushed and unfinished care and verified the identified patterns with a different wave of data. A 4-class model emerged as the best-fit model for our data. Group 1 reported high levels of rushed and unfinished care, and Group 2 was low on both rushed and unfinished care. Group 3 reported high rushed care and Group 4 reported medium rushed care; both groups reported low unfinished physical care and medium unfinished social care. Our findings suggest the complexity of rushed and unfinished care among care aides. System-level support for this workforce is urgently needed to develop targeted interventions for sub-groups of care aides to reduce rushed and unfinished care in nursing homes.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».