Nurse-Led Strategies to Enhance Medication Adherence in Older Patients after Hospital Discharge
Notice bibliographique
Résumé
Discharged older adult inpatients are often administered a variety of drugs. However, many only take roughly half of their medications and many discontinue treatment. Nursing strategies might enhance medication adherence in this group. The goal of this research is to assess the efficacy of nurse-led transitional care strategies after hospital discharge of older patients versus usual care in enhancing cognitive processes, physical performance, signs of depression and stress, perceptions of social support, patient satisfaction, and the costs associated with medical service use among older patients with multiple chronic conditions and signs of depression. Three sites in Ontario, Canada were used for a pragmatic multi-site randomized controlled research. Individuals were randomly assigned to either an intervention group or a control (normal care) group. 127 people over the age of 65 were discharged from the hospital with several chronic conditions and signs of depression. Over six months, a Registered Nurse provided individualized care through cell phone follow-up, house visits, and device navigation help as part of an evidence-based, patient-centered intervention. The main result was a shift in cognitive performance between the first and sixth months. Alterations in physical performance, depressed symptoms, stress, and social support perceived, patient satisfaction, and the cost of health care usage were secondary results measured from baseline to six months. ANCOVA modeling was used for the intention-to-treat analysis
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».