MétaCan
Menu
Retour à la cohorte
Enregistrement W4412002943 · doi:10.3928/00989134-20250627-01

Challenging Behaviors in Nursing Homes: Impact of Staff Training on Laypeople's Perceptions of Staff Competence

2025· article· en· W4412002943 sur OpenAlexaff
Laura Deprez, Vincent Didone, Effrosyni Pyrovolaki, Stéphane Adam

Notice bibliographique

RevueJournal of Gerontological Nursing · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensInstitute of Aging
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)AttractivenessNursingVignetteFeelingPerceptionPsychologyNursing staffMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Challenging behaviors of residents with dementia represent a major concern in nursing homes (NHs). Although various studies have investigated the effects of staff training in challenging behavior management, few have explored their impact on laypeople's perceptions. However, NH professionals routinely interact with laypeople, such as current and prospective residents and their families, volunteers, and community partners. The current study examined the effect of person-centered staff training on naïve individuals' perceptions of staff competence. METHOD: Twenty-two NH professionals completed person-centered care training in challenging behavior management and responded to a clinical vignette before and after training. Their responses were evaluated by 59 naïve assessors for relevance, confidence, and competence. In addition, two trained assessors were recruited to explore whether their informed evaluations corroborated naïve assessors' impressions. RESULTS: Relevance, confidence, and competence improved significantly according to naïve and trained assessors. NH professionals also reported feeling more competent. CONCLUSION: Multiple measures indicate improved staff performance following training. Future studies should examine how laypeople's perceptions of staff competence influence their experiences in NHs and impact NH attractiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,770

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,460
Écart entre enseignants0,397 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Gerontological NursingMême sujetGeriatric Care and Nursing HomesTravaux en français237 207