Surgical Recovery Through the Lens of Patients with Colorectal Disease: A Qualitative Study in an Enhanced Recovery after Surgery Setting
Notice bibliographique
Résumé
BACKGROUND: As perioperative care shifts to a more patient-centered model, understanding needs and experiences of patients is vital. Gaining such insight can enhance the alignment of care with patient priorities, encouraging adherence to recovery-oriented interventions. We aimed to explore patient-defined recovery and the elements that modify the recovery process for patients with colorectal disease under enhanced recovery after surgery (ERAS) care. STUDY DESIGN: A qualitative study was conducted at an ERAS-participating hospital in Alberta, Canada, between April 2018 and June 2019. A co-design focus group set the research direction, and semistructured interviews were conducted postoperatively in-hospital or within 3 months postdischarge. Diverse patient ages and colorectal conditions were targeted through purposive sampling. Interviews were transcribed verbatim and analyzed through manifest and latent content analysis. RESULTS: Twenty patients with mean age 62 (SD 13) years and 45% with cancer (17 interview, 2 focus group + interview, and 1 focus group only) were enrolled. Recovery was defined by patients as the return to normal routines and four themes were identified. First, phases of recovery: recovery was described as multidimensional phases distinctively as early, late or long-term, and the endpoint. Second, recovery facilitators: recovery was supported through positive mindsets, conscious recovery, and taking an active role. Third, recovery barriers: recovery was hindered by negative mindsets and treatment side effects. Finally, recovery catalysts: communication, autonomy, and expectations facilitated active or passive recovery. CONCLUSIONS: Our patient-oriented recovery model may contribute a new dimension to the ERAS framework by capturing patients' recovery experiences. Further research is encouraged to explore its value in enhancing patient-centered care within ERAS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».