Transitions of care for older adults discharged home from the emergency department: an inductive thematic content analysis of patient comments
Notice bibliographique
Résumé
OBJECTIVE: Improving care transitions for older adults can reduce emergency department (ED) visits, adverse events, and empower community autonomy. We conducted an inductive qualitative content analysis to identify themes emerging from comments to better understand ED care transitions. METHODS: The LEARNING WISDOM prospective longitudinal observational cohort includes older adults (≥ 65 years) who experienced a care transition after an ED visit from both before and during COVID-19. Their comments on this transition were collected via phone interview and transcribed. We conducted an inductive qualitative content analysis with randomly selected comments until saturation. Themes that arose from comments were coded and organized into frequencies and proportions. We followed the Standards for Reporting Qualitative Research (SRQR). RESULTS: Comments from 690 patients (339 pre-COVID, 351 during COVID) composed of 351 women (50.9%) and 339 men (49.1%) were analyzed. Patients were satisfied with acute emergency care, and the proportion of patients with positive acute care experiences increased with the COVID-19 pandemic. Negative patient comments were most often related to communication between health providers across the care continuum and the professionalism of personnel in the ED. Comments concerning home care became more neutral with the COVID-19 pandemic. CONCLUSION: Patients were satisfied overall with acute care but reported gaps in professionalism and follow-up communication between providers. Comments may have changed in tone from positive to neutral regarding home care over the COVID-19 pandemic due to service slowdowns. Addressing these concerns may improve the quality of care transitions and provide future pandemic mitigation strategies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
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 ».