Adverse Events and Their Contributors Among Older Adults During Skilled Nursing Stays for Rehabilitation: A Scoping Review
Notice bibliographique
Résumé
PURPOSE: To identify factors that contribute to adverse events among older adults during short stays at skilled nursing facilities (SNFs) for rehabilitation (ie, up to 100 resident days). Adults aged 65 years and older are at serious risk for adverse events throughout their continuum of care. Over 33% of older adults admitted to SNFs experienced an adverse event (eg, falls) within the first 35 days of their stay. DESIGN: A scoping review. SETTING AND PARTICIPANTS: Older adults admitted for short stays in SNFs. METHODS: Eligibility criteria were peer-reviewed original articles published between 1 January 2015 and 30 May 2021, written in English, and containing any of the following key terms and synonyms: "skilled nursing facilities", "adverse events", and "older adults". These terms were searched in PubMed, MEDLINE, CINAHL, EBSCOHost, and the ProQuest Nursing and Allied Health Database. We summarized the findings using the Joanna Briggs Institute and PRISMA-ScR reporting guidelines. We also used the Capability-Opportunity-Motivation-Behavior (COM-B) model of health behavioral change as a framework to guide the content, thematic, and descriptive analyses of the results. RESULTS: Eleven articles were included in this scoping review. Intrinsic and extrinsic contributors to adverse events (ie, falls, medication errors, pressure ulcers, and acute infections) varied for each COM-B domain. The most frequently mentioned capacity-related intrinsic contributors to adverse events were frailty and reduced muscle strength due to advancing age. Inappropriate medication usage and polypharmacy were the most common capacity-related extrinsic factors. Opportunity-related extrinsic factors contributing to adverse events included environmental hazards, poor communication among SNF staff, lack of individualized resident safety plans, and overall poor care quality owing to racial bias and organizational and administrative issues. CONCLUSION: These findings shed light on areas that warrant further research and may aid in developing interventional strategies for adverse events during short SNF stays.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».