MétaCan
Menu
← Retour à la cohorte
Enregistrement W2729781392 · doi:10.1093/geroni/igx004.4449

EFFECTIVENESS OF INTERVENTIONS TO REDUCE ACUTE CARE TRANSFERS FROM NURSING HOMES: A META-ANALYSIS

2017· article· en· W2729781392 sur OpenAlexaff
Deniz Cetin‐Sahin, Ovidiu Lungu, Matteo Peretti, Geneviève Gore, Brian F. Gore, Philippe Voyer, Machelle Wilchesky

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensJewish General HospitalUniversité LavalMcGill UniversityUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCINAHLPsychological interventionMedicineMeta-analysisEmergency departmentMEDLINESystematic reviewAcute careEmergency medicineNursingHealth careInternal medicine

Résumé

récupéré en direct d'OpenAlex

Transferring patients from the nursing home (NH) to the acute care setting is associated with increased mortality and morbidity. To date, several types of interventions seeking to reduce potentially avoidable hospital transfers have been proposed, yet there is a lack of systematic evidence regarding their effectiveness. In response to this knowledge gap, we conducted a systematic review to assess the effectiveness of interventions aimed at reducing emergency department (ED) transfers and hospital admissions (HA) from NH. MEDLINE, CINAHL, EMBASE, Social Work Abstracts, and other relevant scientific literature databases were searched from inception until July 2016 for primary studies using quantitative and mixed methods. Forward and backward citation tracking techniques and a grey literature review were also conducted. A random-effects model meta-analysis was conducted for each outcome (rate ratio reduction in ED and HA rates per 100 resident-days). In total, 17 unique studies provided 26 usable samples pertaining to ED and/or HA rates. For both outcome types there was a significant reduction in transfer rates across studies (RR=0.82; 95%CI=0.68–0.99; overall effect Z=2.07, p=0.04 for ED and RR=0.73; 95%CI=0.65–0.83; overall effect Z=4.76, p<0.00001 for HA) despite high statistical heterogeneity (I2>75% in both cases). Although studies targeted a variety of transfer-related factors, interventions appeared more effective in reducing HA than ED transfers. This suggests that HA could be a better target for these interventions. Importantly, our systematic review has also revealed a lack of consistency across studies regarding outcome operationalization, measurement and data reporting.

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)0,013
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,027
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0240,062
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,131
Tête enseignante GPT0,488
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'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→