Care partner experience with telepresence robots in long-term care during COVID-19 pandemic
Notice bibliographique
Résumé
Objective: As people living with dementia move into long-term care (LTC), their care partners face a difficult role change from primary caregiver to visitor, losing a significant degree of control and direct care involvement. The COVID-19 pandemic exacerbated these challenges with health risks, changing care home protocols, and government policies. To help address these challenges, this study aimed to investigate the experiences of care partners who used telepresence robots to maintain contact with and care for their loved ones during the pandemic. Methods: This study was guided by the Collaborative Action Research (CAR) approach. Along with interdisciplinary researchers and trainees, our team included patient and family partners as co-researchers throughout the project. We conducted semi-structured interviews with 20 care partners who used the robots in five urban Canadian LTC homes between May 2021 and August 2023. Results: Thematic analysis identified four key themes characterizing their experiences using the robot: (a) decreases care partner burden, (b) facilitates care partner-staff relationship, (c) creates relational autonomy, and (d) expands the scope of what is possible. Conclusion: The results of the study suggest that telepresence robots can play a useful role in enhancing the caregiving experience for informal care partners in multifaceted ways. Care partners reported positive benefits of having the robot assist their virtual visits. However, further research is needed to determine the sustainability of robot implementation among diverse geographic regions and care home compositions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».