MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311207187 · doi:10.1186/s12913-022-08807-4

A qualitative study exploring hospital-based team dynamics in discharge planning for patients experiencing delayed care transitions in Ontario, Canada

2022· article· en· W4311207187 sur OpenAlexafffundabout
Lauren Cadel, Jane Sandercock, Michelle Marcinow, Sara J. T. Guilcher, Kerry Kuluski

Notice bibliographique

RevueBMC Health Services Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensMcMaster UniversityTrillium Health CentreUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth administrationHealth informaticsNursing researchMedicineNursingFocus groupQualitative researchHealth careHealth services researchThematic analysisPublic healthBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In attempt to improve continuity of patient care and reduce length of stay, hospitals have placed an increased focus on reducing delayed discharges through discharge planning. Several benefits and challenges to team-based approaches for discharge planning have been identified. Despite this, professional hierarchies and power dynamics are common challenges experienced by healthcare providers who are trying to work as a team when dealing with delayed discharges. The objective of this study was to explore what was working well with formal care team-based discharge processes, as well as challenges experienced, in order to outline how teams can function to better support transitions for patients experiencing a delayed discharge. METHODS: We conducted a descriptive qualitative study with hospital-based healthcare providers, managers and organizational leaders who had experience with delayed discharges. Participants were recruited from two diverse health regions in Ontario, Canada. In-depth, semi-structured interviews were conducted in-person, by telephone or teleconference between December 2019 and October 2020. All interviews were recorded and transcribed. A codebook was developed by the research team and applied to all transcripts. Data were analyzed inductively, as well as deductively through directed content analysis. RESULTS: We organized our findings into three main categories - (1) collaboration with physicians makes a difference; (2) leadership should meaningfully engage with frontline providers and (3) partnerships across sectors are critical. Regular physician engagement, as equal members of the team, was recommended to improve consistent communication, relationship building between providers, accessibility, and in-person communication. Participants highlighted the need for a dedicated senior leader who ensured members of the team were treated as equals and advocated for the team. Improved partnerships across sectors included the enhanced integration of community-based providers into discharge planning by placing more focus on collaborative practice, combined discharge planning meetings, and having embedded and physically accessible care coordinators in the hospital. CONCLUSIONS: Team-based approaches for delayed discharge can offer benefits. However, to optimize how teams function in supporting these processes, it is important to consistently collaborate with physicians, ensure senior leadership engage with and seek feedback from frontline providers through co-design, and actively integrate the community sector in discharge planning.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,578

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0200,009
Communication savante0,0040,002
Science ouverte0,0030,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,087
Tête enseignante GPT0,426
Écart entre enseignants0,340 · 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'étudeQualitatif
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

Citations15
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services Research→Même sujetHeart Failure Treatment and Management→Travaux en français237 207→