A FRAMEWORK FOR CARE TRANSITIONS FOR OLDER ADULTS WITH COMPLEX HEALTH CONDITIONS
Notice bibliographique
Résumé
Abstract For older adults with complex health conditions, transitions between care settings are common and a major risk to quality of care and patient safety. Care transition interventions have shown positive impacts on continuity of care and health service use, however, most require additional human resources (e.g., transition coach), focus on one transition or “handoff”, and provide support for individual patients without addressing underlying challenges of health system integration. We sought to develop a framework for system-level enhancements to care transitions for older adults. We report a secondary framework analysis of an ethnographic investigation (the “InfoRehab” project) of care transitions for older persons who had experienced a hip fracture. The ethnographic study involved interviews, observations, and document reviews for 23 patients, 19 family caregivers, and 92 health care providers. Data were collected at each transition point (1-4/patient) along the care continuum, at three Canadian sites (large urban, mid-size urban, rural). Our framework analysis followed the approach described by Gale et al. (2013), using as cases 12 peer-reviewed papers which had reported InfoRehab results. Two researchers coded findings from each paper, then developed an analytical framework of eight themes by consensus; these include: patient involvement and choice, family caregiver involvement, patient complexity, health care provider coordination, information sharing, documentation, system constraints, and relationships. NVivo 11 was used to index findings into these themes and to generate a matrix. We are working with system stakeholders, including patients and caregivers, to apply this framework in the development of improved systems for care transitions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».