Care transition from rehabilitation to home: A QI project using the RED Toolkit to decrease readmission rates
Notice bibliographique
Résumé
Objective: This quality improvement (QI) project’s aim was to lower 30-day healthcare reutilization for patients aged 50 or older with hip fracture using an evidence-based discharge process method, the Re-Engineered Discharge (RED) Toolkit.Methods: The QI project of a revised patient discharge process to lower healthcare reutilization of Baton Rouge Rehabilitation Hospital (BRRH) hip fracture patients was implemented as an evidence-based quality improvement initiative. Inpatient and outpatient discharge process revisions were implemented at an inpatient rehabilitation facility (IRF) based on Re-Engineered Discharge (RED) Toolkit recommendations. Inpatient revisions included patient barrier identification with associated documentation changes to the IRF interdisciplinary team form. Outpatient modifications consisted of an After-Hospital Care Plan (AHCP), and two post-discharge Telephone Follow-Up (TFU) calls.Results: Healthcare reutilization and thirty-day hospital readmission for this project were measured at 8.5% and 5.7%, respectively. A decrease in healthcare reutilization of at least 1.6% was observed for the IRF. Most participants scored at a high level (88.6%) of “patient knowledge of self-management” post intervention. Out of participants who did not attend their first Primary Care Provider (PCP) appointment, 33.3% experienced healthcare reutilization. This result emphasized the importance of seeing one’s PCP post-discharge. Patient satisfaction increased by 5% and 6.73%, measured by Hospital Consumer Assessment of HealthCare Providers and Systems (HCAHP) scores for nursing care and physician care, respectively.Conclusions: Implementation of a RED Toolkit-based discharge process at an IRF positively impacted all three study outcomes and associated healthcare costs in lowering preventable readmissions.
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) | 0,000 | 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 | 0,000 | 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 ».