Assessment Tools for Baseline and Follow-up Measurement of the Dementia-Friendliness of a Community: Scoping review protocol
Notice bibliographique
Résumé
Objective: In this review we aim to identify and appraise assessment tools that have been used or developed to quantitatively assess the dementia-friendliness of communities. Introduction: An assessment of the dementia-friendliness of a community can establish indicators to measure progress and can support an understanding of how dementia-friendly community initiatives impact the experience of living with dementia. However, because of a lack of available evaluation tools, assessments of the dementia-friendliness of a community are not always undertaken, making it difficult to evaluate the impact of community action plans. Inclusion criteria: In this scoping review we will consider published and unpublished sources on tools that quantitatively assess the dementia-friendliness of a community. Studies that have investigated dementia-friendly environments in healthcare organizations, such as hospitals, will not be considered in this review. Methods: The JBI methodology for scoping reviews will be followed. Medline, CINAHIL, PsychInfo, EMBase, EMCare, HealthStar and AgeLine will be searched from inception date for relevant articles. Unpublished sources will be identified using Google advanced search functions and snowball sampling of representatives from communities that have conducted dementia-friendly assessments in Canada, Australia, New Zealand, the United States, and the United Kingdom. To investigate how the tools have been used in research and in practice related to DFCs, we will scan all the “cited by” articles of sources found. Tables and a narrative summary will be used to describe and assess the scope and features of the assessment tools and outline their contribution to research and practice.
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 | 0,013 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,179 | 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 ».