Safety threats and opportunities to improve interfacility care transitions: insights from patients and family members
Notice bibliographique
Résumé
AIM: To explore patients' and family members' perspectives on how safety threats are detected and managed across care transitions and strategies that improve care transitions from acute care hospitals to complex continuing care and rehabilitation health care organizations. BACKGROUND: Poorly executed care transitions can result in additional health care spending due to adverse outcomes and delays as patients wait to transfer from acute care to facilities providing different levels of care. Patients and their families play an integral role in ensuring they receive safe care, as they are the one constant in care transitions processes. However, patients' and family members' perspectives on how safety threats are detected and managed across care transitions from health care facility to health care facility remain poorly understood. METHODS: This qualitative study used semistructured interviews with patients (15) and family members (seven) who were transferred from an acute care hospital to a complex continuing care/rehabilitation care facility. Data were analyzed using a directed content analytical approach. RESULTS: OUR RESULTS REVEALED THREE KEY OVERARCHING THEMES IN THE PERCEPTIONS: lacking information, getting "funneled through" too soon, and difficulty adjusting to the shift from total care to almost self-care. Several patients and families described their expectations and experiences associated with their interfacility care transitions as being uninformed about their transfer or that transfer happened too early. In addition, study participants identified the need for having a coordinated approach to care transitions that engages patients and family members. CONCLUSION: Study findings provide patients' and family members' perspectives on key safety threats and how to improve care transitions. Of particular importance is the need for patients and family members to play a more active role in their care transition planning and self-care management.
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».