The Impact of Telepresence Robots on Family Caregivers and Residents in Long-Term Care
Notice bibliographique
Résumé
Telepresence robots can enhance social connection and support person-centered care in long-term care (LTC) homes. This study evaluates their impact in facilitating virtual visits between family caregivers and older residents in Canadian care homes. Telepresence robots were placed in residents’ rooms, allowing virtual visits at mutual convenience. A total of 18 residents and 17 family caregivers participated. Quantitative assessments included the Zarit Burden Interview, the De Jong Gierveld Loneliness Scale and the Quality of Life in Alzheimer’s Disease scale, while qualitative data were collected through interviews, field notes, and observations. Repeated ANOVA showed that using telepresence robots significantly reduced caregiver burden (p=0.008), improved residents' quality of life (p=0.028), and decreased resident loneliness (p=0.038). Older caregivers experienced the greatest burden reduction, with scores dropping from a mean of 25.0 at baseline to 16.1 at two months. Qualitative findings provided further context, revealing that residents felt more connected, close and engaged, while families found the robots facilitated continuity of care, complemented in-person visits, reduced stress and guilt and provided reassurance. These findings suggest that telepresence robots can enhance the well-being of both residents and caregivers in LTC homes, though future research should explore their long-term impact and technological limitations.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».