Barriers & Facilitators of Innovation in Long-Term Care Homes During COVID-19: Insights from Brazilian experts
Notice bibliographique
Résumé
Abstract The COVID-19 pandemic profoundly disrupted global healthcare systems, with Long-Term Care Homes (LTCHs) facing unprecedented challenges that underscored the critical role of innovation in crisis response. This cross-sectional qualitative study, part of the CONNECTED consortium, examined insights from 12 Brazilian experts (researchers, LTCH managers, industry representatives, and heads of local/national LTCH organizations) to explore barriers and facilitators in implementing innovations during COVID-19. Data were collected through 12 semi-structured interviews (from March to October 2024) and analyzed using thematic analysis. The innovations implemented during COVID-19 were related to: 1) safety and preventive measures, 2) communication and social connections tools, 2) telehealth, 3) remote training programs for LTCH staff, and 4) national voluntary movement to support the LTCHs. Interviewees identified multiple systemic barriers to innovation implementation in LTCHs, including resource constraints (financial and human), digital illiteracy among residents, institutional resistance to change, inadequate staff training, regulatory hurdles, infrastructural limitations, and entrenched cultural stigma surrounding LTCH care. Conversely, experts highlighted key facilitators: targeted governmental and organizational funding, national-driven knowledge sharing, implementation of rapid communication channels, and cross-sector partnerships between public health authorities and LTCHs—all of which proved critical in mitigating pandemic-related disruptions. In Brazil, while the COVID-19 pandemic pressured catalyzed rapid adoption of vital innovations, from telehealth platforms to national solidarity initiatives, systemic barriers like resource scarcity, infrastructural gaps, and cultural stigma persisted as ingrained systematic issues. Therefore, addressing these systemic challenges is imperative to develop the resilience of the Brazilian long-term care sector and ensure preparedness for future health crises.
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 | 0,021 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».