Implementation strategies to improve evidence-based practice for post-stroke dysphagia identification and management: A before-and-after study
Notice bibliographique
Résumé
Objectives: Even though guidelines are available to guide dysphagia identification and management practice, there is still a gap between evidence and practice, which requires improvement. The purpose of this study was to determine the effect of using tailored, multifaceted strategies to improve evidence-based post-stroke dysphagia identification and management practice in a community hospital. Methods: Guided by the Knowledge to Action framework, the tailored, multifaceted strategies were developed and implemented for 5 months in a community hospital using a before-and-after study design. These strategies consisted of training intervention, policy intervention, and audit and feedback intervention. Nurses' level of knowledge and adherence, were collected in March 2019 and again in January 2020. Patients' quality of life and satisfaction were evaluated during the pre-intervention period (between February 2019 and April 2019) and the post-intervention period (between November 2019 and January 2020). Results: A total of 55 patients with post-stroke dysphagia (28 in the pre-intervention period and 27 in the post-intervention period) and 17 registered nurses were recruited. Following implementation, there were statistically significant improvements in patients' outcomes (quality of life and satisfaction) and nurses' outcomes (level of knowledge and adherence). Conclusions: This study assists in closing the research-practice gap by using tailored, multifaceted strategies to increase the use of evidence-based nursing care for dysphagia identification and management practices.
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 | 0,003 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».