MétaCan
Menu
Retour à la cohorte
Enregistrement W4394873232 · doi:10.1111/hex.14050

Decoding the persistence of delayed hospital discharge: An in‐depth scoping review and insights from two decades

2024· article· en· W4394873232 sur OpenAlexafffund
Alyaa Abdelhalim, Manaf Zargoush, Norm Archer, Mehrdad Roham

Notice bibliographique

RevueHealth Expectations · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensMcMaster University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPersistence (discontinuity)Hospital dischargePsychologyData scienceComputer scienceMedicineIntensive care medicineEngineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This article addresses the persistent challenge of Delayed Hospital Discharge (DHD) and aims to provide a comprehensive overview, synthesis, and actionable, sustainable plan based on the synthesis of the systematic review articles spanning the past 24 years. Our research aims to comprehensively examine DHD, identifying its primary causes and emphasizing the significance of effective communication and management in healthcare settings. METHODS: We conducted the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) method for synthesizing findings from 23 review papers published over the last two decades, encompassing over 700 studies. In addition, we employed a practical and comprehensive framework to tackle DHD. Rooted in Linderman's model, our approach focused on continuous process improvement (CPI), which highlights senior management commitment, technical/administrative support, and social/transitional care. Our proposed CPI method comprised several stages: planning, implementation, data analysis, and adaptation, all contributing to continuous improvement in healthcare delivery. This method provided valuable insights and recommendations for addressing DHD challenges. FINDINGS: Our DHD analysis revealed crucial insights across multiple dimensions. Firstly, examining causes and interventions uncovered issues such as limited discharge destinations, signaling unsustainable solutions, and inefficient care coordination. The second aspect explored the patient and caregiver experience, emphasizing challenges linked to staff uncertainty and negative physical environments, with notable attention to the underexplored area of caregiver experience. The third theme explored organizational and individual factors, including cognitive impairment and socioeconomic influences. The findings emphasized the importance of incorporating patients' data, recognizing its complexity and current avoidance. Finally, the role of transitional and social care and financial strategies was scrutinized, emphasizing the need for multicomponent, context-specific interventions to address DHD effectively. CONCLUSION: This study addresses gaps in the literature, challenges prevailing solutions, and offers practical pathways for reducing DHD, contributing significantly to healthcare quality and patient outcomes. The synthesis introduces the vital CPI stage, enhancing Linderman's work and providing a pragmatic framework to eradicate delayed discharge. Future efforts will address practitioner consultations to enhance perspectives and further enrich the study. PATIENT OR PUBLIC CONTRIBUTION: Our scoping review synthesizes and analyzes existing systematic review articles and emphasizes offering practical, actionable solutions. While our approach does not directly engage patients, it strategically focuses on extracting insights from the literature to create a CPI framework. This unique aspect is intentionally designed to yield tangible benefits for patients, service users, caregivers, and the public. Our actionable recommendations aim to improve hospital discharge processes for better healthcare outcomes and experiences. This detailed analysis goes beyond theoretical considerations and provides a practical guide to improve healthcare practices and policies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,204

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,051
Tête enseignante GPT0,386
Écart entre enseignants0,335 · 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 tête enseignante, 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth ExpectationsMême sujetHeart Failure Treatment and ManagementTravaux en français237 207