Relationship between post-operative patient education
Notice bibliographique
Résumé
Over a quarter of all heart surgery patients are readmitted to hospitals across Canada with post-operative complications experienced during the first three months of recovery. This may be due to the quality of existing patient education intervention. Specifically, the mode, episode, and timing of delivery of standard education programs may not be optimal in promoting self-care behaviours, resulting in the development of complications and leading to increased hospital readmissions. The objectives of this preliminary descriptive study were twofold: (1) to describe the most consistent mode, episode, and timing in which education is provided to patients following heart surgery and (2) to identify the degree to which the current educational mode and episode are correlated to readmission rates following hospital discharge. A non-experimental preliminary descriptive design was used to address the study objectives. Setting: Thirty-three patients were recruited from a cardiovascular surgical unit located within a large tertiary hospital. Method: Patients were included if they underwent heart surgery for the first time, were literate in English, cognitively oriented, and had access to a working phone at home. Point-biserial correlations were performed to identify the degree to which the characteristics of existing patient education were correlated to hospital readmission rates. Results: A statistically significant inverse relationship between episode and hospital readmission (r pb = (0.49, p = 0.001) was noted, suggesting that with reduced exposure to patient education, there is an increased likelihood for hospital readmissions. Conclusion: Increasing the number of times education is provided may reduce the number of hospital readmissions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».