Staff, resident, and care partner perceptions on the use of a personalized tablet to mitigate the impact of isolation in long-term care residents
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The Dementia Isolation Toolkit (DIT) project developed DIT-Tech, a tablet-based tool to engage residents. Implementing such technology faces challenges like digital literacy and organizational resistance. This study aimed to develop an understanding of the staff, resident and care partner experiences, including barriers and facilitators to the adoption of remote-access personal tablets in long-term care homes (LTCHs). RESEARCH DESIGN AND METHODS: Guided by the FITT framework, which emphasizes the alignment between technology, users, and clinical activities, this investigation sought to uncover the obstacles and drivers influencing the integration of DIT-Tech within the LTCH setting. Recruitment involved voluntary participation of various stakeholders within the LTCHs: 20 staff members, 23 care partners, and 7 residents who received the DIT-Tech tablets. Purposeful selection ensured representation across demographics and levels of tablet usage. Over the research period, a total of 59 in-depth interviews were conducted via telephone or video calls. Data collection and analysis occurred simultaneously. Coding strategies, incorporating both inductive and deductive approaches, were employed. RESULTS: The study highlighted pivotal factors in DIT-Tech implementation within LTCHs. Initial enthusiasm among staff and care partners was countered by staff resistance due to workload and past tech issues. Personalization benefited residents but usability challenges and poor integration posed barriers. Aligning tech with organizational goals is crucial. Privacy measures were valued. Care partners and residents embraced DIT-Tech, emphasizing the need for targeted support for staff. DISCUSSION AND IMPLICATIONS: These findings stress the necessity of robust guidelines for implementing remote-controlled tablets in LTCHs, providing vital insights for enhancing technology in care settings.
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 | 0,006 | 0,013 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».