Outcomes of Mobilisation of Vulnerable Elders in Ontario (MOVE ON): a multisite interrupted time series evaluation of an implementation intervention to increase patient mobilisation
Notice bibliographique
Résumé
Background: older patients admitted to hospitals are at risk for hospital-acquired morbidity related to immobility. The aim of this study was to implement and evaluate an evidence-based intervention targeting staff to promote early mobilisation in older patients admitted to general medical inpatient units. Methods: the early mobilisation implementation intervention for staff was multi-component and tailored to local context at 14 academic hospitals in Ontario, Canada. The primary outcome was patient mobilisation. Secondary outcomes included length of stay (LOS), discharge destination, falls and functional status. The targeted patients were aged ≥ 65 years and admitted between January 2012 and December 2013. The intervention was evaluated over three time periods-pre-intervention, during and post-intervention using an interrupted time series design. Results: in total, 12,490 patients (mean age 80.0 years [standard deviation 8.36]) were included in the overall analysis. An increase in mobilisation was observed post-intervention, where significantly more patients were out of bed daily (intercept difference = 10.56%, 95% CI: [4.94, 16.18]; P < 0.001) post-intervention compared to pre-intervention. Hospital median LOS was significantly shorter during the intervention period (intercept difference = -3.45 days, 95% CI: [-6.67,-0.23], P = 0.0356) compared to pre-intervention. It continued to decrease post-intervention with significantly fewer days in hospital (intercept difference= -6.1, 95% CI: [-11,-1.2]; P = 0.015) in the post-intervention period compared to pre-intervention. Conclusions: this is a large-scale study evaluating an implementation strategy for early mobilisation in older, general medical inpatients. The positive outcome of this simple intervention on an important functional goal of getting more patients out of bed is a striking success for improving care for hospitalised older patients.
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 | 0,005 | 0,013 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».