Referee report. For: A critical discourse analysis of the Quebec media’s portrayal of older adults in residences and long-term care homes pre- and peri-COVID-19 [version 1; peer review: 1 approved with reservations]
Notice bibliographique
Résumé
Background: How we discuss older adults can influence our perceptions of aging and age-related policies, particularly during times of crisis. Ageist discourse in the media impacts how society views older adults and how older adults view themselves . Negative stereotypes have been associated with negative health outcomes and can exacerbate the adverse events faced by older adults during a pandemic. This study examined the Quebec media’s portrayal of older adults living in long-term care (LTC) homes before and during the first wave of COVID-19. Methods: The first confirmed COVID-19 case in Quebec was on 27 February 2020. The Factiva database was searched for newspaper articles that were published three months before (pre) and three months after (peri) the first confirmed case. Articles had to include the terms: older adults, LTC, and/or residence. Articles were excluded if they did not discuss direct or indirect impacts in the lives of people living in LTC ( i.e. , only discussed statistics of COVID-19 cases). After screening, 208 articles were retained, and critical discourse analysis was conducted. Results: The media discourse regarding older adults in LTC homes revealed a lack of resources ( i.e. , insufficient staff) and negative health outcomes for older adults ( i.e. , bed sores) in both the pre- and peri-COVID-19 articles. Negative and positive elements emerged from the peri-COVID-19 discourse, including increased social isolation of those in LTC, government action and advocacy (by health care practitioners and family) to support those in LTC homes. Conclusions: Existing systemic problems were exacerbated by the pandemic and this impacted older adults in LTC homes negatively. Despite this, the peri-COVID-19 discourse suggests meaningful change at the societal and policy levels to improve outcomes for future generations of older adults who reside in LTC homes.
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 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,012 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,315 | 0,059 |
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 ».