Self-, Informal and Formal Care: Partnerships in Community-Based and Residential Long-Term Care Settings
Bibliographic record
Abstract
RÉSUMÉ Un accent croissant est mis sur le besoin de regrouper les efforts des personnes âgées, de leur famille et des fournisseurs de services constitués dans un contexte de collaboration ou de partenariat en ce qui a trait aux soins de longue durée, que ce soit en établissement ou dans la communauté. Il est donc nécessaire d'établir de quelle façon ces relations sont actuellement structurées. L'auteur procède à un examen systématique des résultats des études réalisées entre 1985 et 1998 sur les relations entourant les soins personnels, l'assistance formelle et l'assistance informelle dans ces deux environnements. Les résultats tendent à démontrer que les soins formels ne viennent pas remplacer les services informels mais qu'ils sont plutôt utilisés en supplément ou en complément des soins assurés par le réseau informel, et ce tant en établissement que dans la collectivité. La structure exacte de ces partenariats et la relation entre les soins personnels et les soins assurés par les systèmes formels ou non apparaissent moins clairs. Les résultats montrent qu'il faut recentrer l'attention sur des préoccupations plus larges de soutien des partenariats déjà en place plutôt que sur la création de partenariats et la protection contre les substitutions inutiles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".