MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294795777 · doi:10.21203/rs.3.rs-1991631/v1

Safer Care for Older Persons in (residential) Environments: a pragmatic controlled trial of a care aide-led quality improvement intervention.

2022· preprint· en· W4294795777 sur OpenAlexafffund
Adrian Wagg, Matthias Hoben, Liane Ginsburg, Malcolm Doupe, Whitney Berta, Yuting Song, Peter Norton, Jennifer Knopp‐Sihota, Carole A. Estabrooks

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of ManitobaUniversity of TorontoYork UniversityAthabasca UniversityUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSAFERIntervention (counseling)Residential careQuality (philosophy)NursingPsychologyMedicineBusinessGerontologyComputer scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Abstract Background: The increased complexity of residents and increased needs for care in long term care (LTC) have not been met with increased staffing. There remains a need to improve the quality of care. Care aides, providers of the bulk of direct care, are well placed to contribute to quality improvement efforts but are often excluded from so doing. This study examined the effect of a facilitation intervention enabling care aides to lead quality improvement efforts and improve the use of evidence-informed best practices. The eventual goal was to improve both the quality of care for older residents in LTC homes and the engagement and empowerment of care aides in leading quality improvement efforts.Methods: Intervention teams participated in a year-long facilitative intervention which supported care aide-led teams to test changes in care provision to residents using a combination of networking and QI education meetings, and quality advisor and senior leader support. This was a controlled trial with random selection of intervention clinical care units matched 1:1 post hoc with control units. The primary outcome, between group change in conceptual research use (CRU), was supplemented by secondary staff- and resident- level outcome measures. A power calculation based upon pilot data effect sizes resulted in a sample size of 25 intervention sites. Results: The final sample included 32 intervention care units matched to 32 units in the control group. In an adjusted model, there was no statistically significant difference between intervention and control units for CRU or in secondary staff outcomes. Compared to baseline, resident adjusted pain scores were statistically significantly reduced (less pain) in the intervention group (p=0.02). The level of resident dependency significantly decreased statistically for residents whose teams addressed mobility (p<0.0001) compared to baseline. Conclusions: SCOPE resulted in a smaller change in its primary outcome than initially expected resulting in a study underpowered to detect a difference. These findings should inform sample size calculations of future studies of this nature if using similar outcome measures. Importantly, findings from the concurrent process evaluation provided important insights into interpretation of main trial data and suggest the need to consider more broadly what constitutes “success” in complex interventions.Trial registration: clinicaltrials.gov: NCT03426072 (https://clinicaltrials.gov/ct2/show/NCT03426072), registered 08/02/2018, first participant site 04/05/2018.

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)0,008
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,492
Écart entre enseignants0,420 · 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'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→