Consumer experiences of Chronic Obstructive Pulmonary Disease in regional Australia: A mixed methods study and logic model to identify consumer-experience mechanisms to avoid hospital and enhance outcomes
Notice bibliographique
Résumé
The objective of this study to explore consumer experiences of their care for Chronic Obstructive Pulmonary Disease (COPD) in a regional Australian hospital and to ascertain consumer identified contexts and mechanisms that can enhance consumer-experience outcomes. A sequential, explanatory mixed methods design was employed including a retrospective audit of COPD admissions and re-admissions and semi-structured interviews with a sample of consumers (n=12). Themes were synthesised using a realist framework and the Expanded Chronic Care Model to develop a logic model. Audit data identified above national average hospital admission rates and length of stay for treatment of COPD. Interview data revealed three key themes namely contexts of care, mechanisms for providing care, and outcomes of care. A logic model was constructed to highlight the necessary contexts and consumer-identified mechanisms that can be enacted to achieve consumer-valued outcomes. The model outlined factors at individual, provider and system levels in a regional and rural setting including interaction and relationships with health care providers; consumer capability; workforce; care pathway; capacity to offer services and support; and continuity of care. This research identifies that positive and continuous relationships are one of the most important consumer-identified mechanisms for influencing COPD consumer experience of their care and capacity to self-manage to stay out of hospital. This research challenges regional and rural health services to harness relationships and connectedness to improve consumer experiences and the impact of care for COPD consumers. The logic model provides a template to assist health services to rise to this challenge. Experience Framework This article is associated with the Patient, Family & Community Engagement lens of The Beryl Institute Experience Framework. (http://bit.ly/ExperienceFramework) Access other PXJ articles related to this lens. Access other resources related to this lens.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».