Models of Peer Support to Remediate Post-Intensive Care Syndrome: A Report Developed by the Society of Critical Care Medicine Thrive International Peer Support Collaborative*
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.
Notice bibliographique
Résumé
OBJECTIVES: Patients and caregivers can experience a range of physical, psychologic, and cognitive problems following critical care discharge. The use of peer support has been proposed as an innovative support mechanism. DESIGN: We sought to identify technical, safety, and procedural aspects of existing operational models of peer support, among the Society of Critical Care Medicine Thrive Peer Support Collaborative. We also sought to categorize key distinctions between these models and elucidate barriers and facilitators to implementation. SUBJECTS AND SETTING: Seventeen Thrive sites from the United States, United Kingdom, and Australia were represented by a range of healthcare professionals. MEASUREMENTS AND MAIN RESULTS: Via an iterative process of in-person and email/conference calls, members of the Collaborative defined the key areas on which peer support models could be defined and compared, collected detailed self-reports from all sites, reviewed the information, and identified clusters of models. Barriers and challenges to implementation of peer support models were also documented. Within the Thrive Collaborative, six general models of peer support were identified: community based, psychologist-led outpatient, models-based within ICU follow-up clinics, online, groups based within ICU, and peer mentor models. The most common barriers to implementation were recruitment to groups, personnel input and training, sustainability and funding, risk management, and measuring success. CONCLUSIONS: A number of different models of peer support are currently being developed to help patients and families recover and grow in the postcritical care 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.
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 | 0,001 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle