Implementation, Feasibility, and Acceptability of MATCH to Prevent Iatrogenic Disability in Hospitalized Older Adults: A Question of Geriatric Care Program?
Notice bibliographique
Résumé
Senior adults (>age 65) represent almost 20% of the population but account for 48% of hospital bed occupancy. In older adults, hospitalization often results in functional decline (i.e., iatrogenic disability) and, consequently, the loss of autonomy. Physical activity (PA) has been shown to counteract these declines effectively. Nevertheless, PA is not implemented in standard clinical practice. We previously showed that MATCH, a pragmatic, specific, adapted, and unsupervised PA program, was feasible and acceptable in a geriatric assessment unit (GAU) and a COVID-19 geriatric unit. This feasibility study aims to confirm that this tool could be implemented in other geriatric care programs, notably a geriatric rehabilitation unit (GRU) and a post-acute care unit (PACU), in order to reach the maximum number of older patients. Eligibility and consent were assessed by the physician for all the patients admitted to the three units (GAU, GRU, and PACU). The rehabilitation therapist taught each participant one of the five PA programs based on their mobility score on the decisional tree. Implementation (eligibility (%): patients eligible/number admitted and delay of implementation: number of days until prescription); feasibility (adherence (%): number sessions completed/number sessions prescribed and walking time (%): total walking time/time prescribed time); and acceptability (healthcare team (%): tool adequacy (yes/no) and patient: System Usability Scale questionnaire (SUS: x/100)) were evaluated and analyzed using a Kruskal–Wallis ANOVA or Fisher’s exact test. Eligibility was different between the units (GRU = 32.5% vs. PACU = 26.6% vs. GAU = 56.0%; p < 0.001), but the time before implementation was similar (days: GRU = 5.91 vs. PACU = 5.88 vs. GAU = 4.78; p > 0.05). PA adherence (GRU = 83.5% vs. PACU = 71.9% vs. GAU = 74.3%) and walking time (100% in all units) were similar (p > 0.05). Patients (SUS: GRU = 74.6 vs. PACU = 77.2 vs. GAU = 77.2; p > 0.05) and clinicians (adequacy (yes; %): GRU = 78.3%; PACU = 76.0%; GAU = 72.2%; p > 0.05) found MATCH acceptable. Overall, MATCH was implementable, feasible, and acceptable in a GAU, GRU, and PACU. Randomized controlled trials are needed to confirm our results and evaluate the health benefits of MATCH compared with usual care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».