What Makes Stroke Rehabilitation Patients Complex? Clinician Perspectives and the Role of Discharge Pressure
Notice bibliographique
Résumé
BACKGROUND: Approximately 80% of people who survive a stroke have on average five other conditions and a wide range of psychosocial issues. Attention to biopsychosocial issues has led to the identification of 'complex patients'. No single definition of 'patient complexity' exists; therefore, applied health researchers seek to understand 'patient complexity' as it relates to a specific clinical context. OBJECTIVE: To understand how 'patient complexity' is conceptualized by clinicians, and to position the findings within the existing literature on patient complexity. METHODS: A qualitative descriptive approach was utilized. Twenty-three stroke rehabilitation clinicians participated in four focus groups. RESULTS: Five elements of patient complexity were identified: medical/functional issues, social determinant factors, social/family support, personal characteristics, and health system factors. Using biopsychosocial factors to identify complexity results in all patients being complex; operationalization of the definition led to the identification of systemic elements. A disconnect between acute, inpatient rehabilitation and community services was identified as a trigger for increased complexity. CONCLUSIONS: Patient complexity is not a dichotomous state. If applying existing complexity definitions, all patients are complex. This study extends the understanding by suggesting a structural element of complexity from manageable to less manageable complexity based on ability to discharge.
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 | 0,001 | 0,001 |
| 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 ».