Patient perspectives of a fall leading to emergency department visit during the COVID-19 pandemic: A qualitative study in Northern Ontario
Notice bibliographique
Résumé
Background and objectives Falls are a leading cause of injury-related emergency department (ED) visits and hospitalizations across Canada and can result in decline in function and quality of life for an older adult. The COVID-19 pandemic placed severe strain on EDs and hospitals across Canada. This study aimed to understand the experience of older adults who presented to the ED as a result of having a fall during a COVID-19 surge. This may help generate hypotheses and ideas about how to provide optimal care in the midst of pandemic-related healthcare system disruption. Methods A purposive sampling strategy identified nine participants over age 65 in a medium population centre in Northern Ontario, Canada. Qualitative semi-structured interviews sought information regarding patient demography and function prior to their fall, the circumstances and communication surrounding their fall, and information about their post-fall recovery. Qualitative thematic analysis of the data was completed. Results Three main themes were identified: patients minimized their fall risk; the challenge of interacting with the healthcare system in a time of limited resources; and complex care navigation and fragmentation within the healthcare system. Discussion Participants were uncertain about the significance of a fall. Post-fall care was directed by the participant, and little coordination or education was provided at the point of contact with the health care system. Participants were hesitant to present to the ED. Participants expressed vulnerability when reflecting on their experience and acknowledged the systemic pressures experienced by their healthcare workers during the COVID-19 pandemic.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».