A qualitative study of the determinants of adherence to NICE falls guideline in managing older fallers attending an emergency department
Notice bibliographique
Résumé
BACKGROUND: The National Institute for Health and Care Excellence (NICE) 2004 Falls guideline was developed to improve the assessment and management of falls and prevention of future falls. However, adherence to the guideline can be poor. As emergency departments (EDs) are usually consulted by older adults (aged 65 and over) who experience a fall, they provide a setting in which assessments can be conducted or referrals made to more appropriate settings. The objective of this study was to investigate how falls are managed in EDs, reasons why guideline recommendations are not always followed, and what happens instead. METHODS: The study involved two EDs. We undertook 27 episodes of observation of healthcare professional interactions with patients aged 65 or over presenting with a fall, supported by review of the clinical records of these interactions, and subsequently, 30 interviews with healthcare professionals. The qualitative analysis used the framework approach. RESULTS: Various barriers and enablers (i.e. determinants of practice) influenced adherence at both EDs, including the following: support from senior staff; education; cross-boundary care; definition of falls; communication; organisational factors; and staffing. CONCLUSIONS: A variety of factors influence adherence to the Falls guideline within an ED, and it may be difficult to address all of them simultaneously. Simple interventions such as education and pro-formas are unlikely to have substantial effects alone. However, taking advantage of the influence of senior staff on juniors could enhance adherence. In addition, collaborative care with other NHS services offers a potential approach for emergency practitioners to play a part in managing and preventing falls.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».