MétaCan
Menu
Retour à la cohorte
Enregistrement W2570187152 · doi:10.1111/wvn.12196

Identifying Effective Nurse‐Led Care Transition Interventions for Older Adults With Complex Needs Using a Structured Expert Panel

2017· article· en· W2570187152 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueWorldviews on Evidence-Based Nursing · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensRegistered Nurses' Association of OntarioToronto Metropolitan UniversitySinai Health SystemBrock UniversityLunenfeld-Tanenbaum Research InstituteSt. Michael's Hospital
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésNursingPsychological interventionDelphi methodCoachingAccountabilityTransitional careMedicineDocumentationIntervention (counseling)PsychologyFamily medicineHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nursing plays a central role in facilitating care transitions for complex older adults, yet there is no consensus of the components of nurse-led care transitions interventions to facilitate high quality care transitions among complex older adults. A structured expert panel was established with the purpose of identifying effective nurse-led care transition interventions. METHODS: A modified Delphi consensus technique based on the RAND method was employed. Panelists (n = 23) were asked to individually rate a series of statements derived from a realist synthesis of the literature for relevance, feasibility and likely impact. Statements receiving an aggregate score of ≥75% (7/9) were reviewed and revised at a face-to-face consensus meeting. A second round of rating following the same process as round one was used, followed by a final ranking of the statements. RESULTS: The five highest ranked intervention components and contextual factors were: (a) educating and coaching patients, their family members and caregivers about self-management skills; (b) ensuring patients, their family members and caregivers are aware of follow-up medical appointments and postdischarge care plan; (c) using standardized documentation tools and comprehensive communication strategies during care transitions; (d) optimizing nurses' roles and scopes of practice across the care transitions spectrum; and (e) having strong leadership, strategic alignment and accountability structures in organizations to enable quality care transitions for the complex older person population. LINKING EVIDENCE TO ACTION: Key insights on optimizing the nurses' roles and scope of practice during care transitions included having nurses provide "warm hand-offs" and serve as the "go-to person." The panel also identified current challenges to optimizing the nurses' roles and scope of practice across care transition points. Future research is required to determine effective nurse-led intervention components and in which context do they work or do not.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,399
Écart entre enseignants0,282 · 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