MétaCan
Menu
Retour à la cohorte
Enregistrement W2569995479 · doi:10.1177/1740774516685298

PRagmatic trial Of Video Education in Nursing homes: The design and rationale for a pragmatic cluster randomized trial in the nursing home setting

2017· article· en· W2569995479 sur OpenAlexfundno aff
Vincent Mor, Angelo E. Volandes, Roee Gutman, Constantine Gatsonis, Susan L. Mitchell

Notice bibliographique

RevueClinical Trials · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institutes of HealthSchulich School of Medicine and Dentistry, Western University
Mots-clésNursingRandomized controlled trialNursing homesCluster (spacecraft)MedicineCluster randomised controlled trialPsychologyComputer scienceIntervention (counseling)

Résumé

récupéré en direct d'OpenAlex

Background/Aims Nursing homes are complex healthcare systems serving an increasingly sick population. Nursing homes must engage patients in advance care planning, but do so inconsistently. Video decision support tools improved advance care planning in small randomized controlled trials. Pragmatic trials are increasingly employed in health services research, although not commonly in the nursing home setting to which they are well-suited. This report presents the design and rationale for a pragmatic cluster randomized controlled trial that evaluated the "real world" application of an Advance Care Planning Video Program in two large US nursing home healthcare systems. Methods PRagmatic trial Of Video Education in Nursing homes was conducted in 360 nursing homes (N = 119 intervention/N = 241 control) owned by two healthcare systems. Over an 18-month implementation period, intervention facilities were instructed to offer the Advance Care Planning Video Program to all patients. Control facilities employed usual advance care planning practices. Patient characteristics and outcomes were ascertained from Medicare Claims, Minimum Data Set assessments, and facility electronic medical record data. Intervention adherence was measured using a Video Status Report embedded into electronic medical record systems. The primary outcome was the number of hospitalizations/person-day alive among long-stay patients with advanced dementia or cardiopulmonary disease. The rationale for the approaches to facility randomization and recruitment, intervention implementation, population selection, data acquisition, regulatory issues, and statistical analyses are discussed. Results The large number of well-characterized candidate facilities enabled several unique design features including stratification on historical hospitalization rates, randomization prior to recruitment, and 2:1 control to intervention facilities ratio. Strong endorsement from corporate leadership made randomization prior to recruitment feasible with 100% participation of facilities randomized to the intervention arm. Critical regulatory issues included minimal risk determination, waiver of informed consent, and determination that nursing home providers were not engaged in human subjects research. Intervention training and implementation were initiated on 5 January 2016 using corporate infrastructures for new program roll-out guided by standardized training elements designed by the research team. Video Status Reports in facilities' electronic medical records permitted "real-time" adherence monitoring and corrective actions. The Centers for Medicare and Medicaid Services Virtual Research Data Center allowed for rapid outcomes ascertainment. Conclusion We must rigorously evaluate interventions to deliver more patient-focused care to an increasingly frail nursing home population. Video decision support is a practical approach to improve advance care planning. PRagmatic trial Of Video Education in Nursing homes has the potential to promote goal-directed care among millions of older Americans in nursing homes and establish a methodology for future pragmatic randomized controlled trials in this complex healthcare setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,141
score de la tête « metaresearch » (Gemma)0,182
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,744

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1410,182
Méta-épidémiologie (sens strict)0,0060,002
Méta-épidémiologie (sens large)0,0110,006
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,008
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0120,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,218
Tête enseignante GPT0,574
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical TrialsMême sujetGeriatric Care and Nursing HomesTravaux en français237 207