Evaluating the Barriers and Facilitators to Implementing a Novel Referral System for Outpatient Geriatric Services: The Geri-Hub Quality Improvement Initiative
Notice bibliographique
Résumé
Background: In healthcare systems prioritizing care of older adults, resource limitations and escalating demand often impede access to outpatient specialized geriatric services. Objectives: This study, theoretically guided by the Consolidated Framework for Implementation Research (CFIR), aimed to explore barriers and facilitators in implementing a centralized "Geri-Hub." The Geri-Hub is a centralized intake system established within 2 hospital systems to coordinate outpatient and community-based services for older adults, aiming to connect them with the most appropriate care in a timely manner. Methods: Qualitative insights were gathered from healthcare professionals at 2 academic institutions in the process of consolidating services. Through open-ended surveys and semi-structured interviews, we solicited feedback on referral management, waiting times, and overall work experiences. Results: Thirteen frequently referring providers and a cohort of 9 geriatricians, along with 4 administrators, contributed to the study. Geriatricians emphasized streamlined referrals, flexible scheduling for urgent cases, and a target wait time of 3 months. Administrators stressed standardized referral procedures, defined roles, and accessible referral information. Discussion: The findings underscored the need for straightforward referral processes, enhanced communication on referral statuses, and reduced wait times. Optimizing these processes could potentially mitigate resource utilization issues and improve patient outcomes in healthcare systems. This research highlights the critical role of timely access to geriatric services during transformative phases in healthcare delivery.
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 | 0,005 | 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 | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».