MétaCan
Menu
Retour à la cohorte
Enregistrement W3124532426 · doi:10.1186/s12877-020-01980-3

Understanding the positive outcomes of discharge planning interventions for older adults hospitalized following a fall: a realist synthesis

2021· article· en· W3124532426 sur OpenAlexafffund
Véronique Provencher, Monia D’Amours, Matthew Menear, Nataša Obradović, Nathalie Veillette, Marie‐Josée Sirois, Marie‐Jeanne Kergoat

Notice bibliographique

RevueBMC Geriatrics · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversité LavalUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésPsychological interventionMedicineContext (archaeology)Intervention (counseling)Health careNursingRehabilitationMEDLINEGerontologyFamily medicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults hospitalized following a fall often encounter preventable adverse events when transitioning from hospital to home. Discharge planning interventions developed to prevent these events do not all produce the expected effects to the same extent. This realist synthesis aimed to better understand when, where, for whom, why and how the components of these interventions produce positive outcomes. METHODS: Nine indexed databases were searched to identify scientific papers and grey literature on discharge planning interventions for older adults (65+) hospitalized following a fall. Manual searches were also conducted. Documents were selected based on relevance and rigor. Two reviewers extracted and compiled data regarding intervention components, contextual factors, underlying mechanisms and positive outcomes. Preliminary theories were then formulated based on an iterative synthesis process. RESULTS: Twenty-one documents were included in the synthesis. Four Intervention-Context-Mechanism-Outcome configurations were developed as preliminary theories, based on the following intervention components: 1) Increase two-way communication between healthcare providers and patients/caregivers using a family-centered approach; 2) Foster interprofessional communication within and across healthcare settings through both standardized and unofficial information exchange; 3) Provide patients/caregivers with individually tailored fall prevention education; and 4) Designate a coordinator to manage discharge planning. These components should be implemented from patient admission to return home and be supported at the organizational level (contexts) to trigger knowledge, understanding and trust of patients/caregivers, adjusted expectations, reduced family stress, and sustained engagement of families and professionals (mechanisms). These optimal conditions improve patient satisfaction, recovery, functional status and continuity of care, and reduce hospital readmissions and fall risk (outcomes). CONCLUSIONS: Since transitions are critical points with potential communication gaps, coordinated interventions are vital to support a safe return home for older adults hospitalized following a fall. Considering the organizational challenges, simple tools such as pictograms and drawings, combined with computer-based communication channels, may optimize discharge interventions based on frail patients' needs, habits and values. Empirically testing our preliminary theories will help to develop effective interventions throughout the continuum of transitional care to enhance patients' health and reduce the economic burden of avoidable care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,079
score de la tête « metaresearch » (Gemma)0,199
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,417

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0790,199
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,007
Bibliométrie0,0240,015
Études des sciences et des technologies0,0020,004
Communication savante0,0110,006
Science ouverte0,0030,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,406
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetGeriatric Care and Nursing HomesTravaux en français237 207