Les effets de l’environnement de soins sur les comportements réactifs des personnes ayant des troubles neurocognitifs vivant en centre d’hébergement : Une revue de la portée
Bibliographic record
Abstract
Les personnes âgées atteintes de troubles neurocognitifs (démences) vivant en centre d'hébergement adoptent fréquemment des comportements réactifs qui limitent leur engagement dans des occupations. La présente étude vise à identifier des moyens d'intervention centrés sur l'engagement des personnes âgées ayant un trouble neurocognitif avec l'environnement humain et non humain en centre d'hébergement afin de diminuer leurs comportements réactifs, en particulier les comportements d'errance, d'apathie et d'agitation. Cette revue de la portée est basée sur la méthode proposée par Levac et ses collaborateurs (2010). Parmi les 21 études retenues, la plupart s'intéressent à des interventions ciblant l'environnement non humain (n=9) ou ciblant simultanément l'environnement humain et non humain (n=9). Plusieurs de ces interventions sont efficaces pour diminuer les comportements réactifs et permettent aux personnes âgées de s'engager avec leur environnement. Le support de l'environnement humain semble toutefois nécessaire à l'utilisation optimale de plusieurs interventions.
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 | 0.012 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".