Dementia Care Knowledge Sharing within a First Nations Community
Bibliographic record
Abstract
RÉSUMÉ Cet article discute l’échantillon d’une étude des Premières Nations plus vaste sur les décisions de soins de la démence et le partage des connaissances. L’objectif de cette étude est de mieux comprendre le processus de partage des connaissances entre les praticiens de la santé (PS), les partenaires de soins, et les personnes atteintes de démence (PAD) au sein d’une communauté rurale des Premières Nations. Une méthodologie de la théorie constructiviste ancrée a été utilisée. Dix-neuf entrevues ont ete menées à trois reprises avec deux réseaux de soins de la démence qui comprenait deux PAD, trois partenaires de soins, et deux PS. Un modèle, “Partage des connaissances sur les soins de la démence,” a été conçue, centrée sur les PAD et leurs partenaires de soins. Trois grands thèmes du partage des connaissances sont representées dans le modèle: (1) le développement des relations de confiance, (2) l’accès et l’adaptation aux informations, et (3) application des informations. Des approches sensibles à la culture sont essentiels pour le développement des relations de confiance. Une fois que les relations ont été développées, le partage des connaissances grâce à l’accès, l’adaptation et l’application des informations est devenu possible.
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 | 0.007 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".