GRIEF AND BEREAVEMENT SUPPORT FOR STAFF IN LONG-TERM CARE HOMES: IDENTIFYING BARRIERS AND FACILITATORS
Notice bibliographique
Résumé
Abstract Admissions of older adults to long-term care are occurring at more advanced ages with more complex care needs, resulting in shorter lengths of stay before death and an increased demand for a palliative approach to care. However, long-term care staff often lack access to sustainable educational, organizational, and interpersonal support in end-of-life care, and must learn on the job while facing death in the workplace. To address this gap, we conducted a scoping review of literature on grief and bereavement support for long-term care staff. Following PRISMA-Scoping Review guidelines and the six-step framework by Levac and colleagues, social sciences databases were searched and data were analyzed through narrative synthesis and the creation of infographics. Fifty-eight studies met inclusion criteria. Strategies, interventions, and rituals were organized into five domains:1) Cultural Attitudes Toward Death and Unmet Need for Support; 2) Organizational Policy and Practice; 3) Formal Peer-support; 4) Informal Peer-support; and 5) Individual Beliefs and Self-Care Practices influenced by temporal aspects. Identifying barriers and facilitators of grief support for long-term care staff, and hospice and palliative care specialists’ practices, can offer more holistic and effective approaches to long-term care staff wellness to combat burnout and staff turnover. Grief rituals present scalable, holistic approaches fostering long-term care staff wellness that could be explored in future research to collaboratively build long-term care staff capacity for person-centered end-of-life care.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».