Assessing the feasibility of an integrated collection of education modules for fall and fracture prevention (iCARE) for healthcare providers in long term care: A longitudinal study
Notice bibliographique
Résumé
Falls and hip fractures are a major health concern among older adults in long term care (LTC) with almost 50% of residents experiencing a fall annually. Hip fractures are one of the most important and frequent fall-related injuries in LTC. There is moderate to strong certainty evidence that multifactorial interventions may reduce the risk of falls and fractures; however, there is little evidence to support its implementation. The purpose of this study was to determine the feasibility (recruitment rate and adaptations) with a subobjective to understand facilitators to and barriers of implementing the PREVENT (Person-centred Routine Fracture PreEVENTion) model in practice. The model includes a multifactorial intervention on diet, exercise, environmental adaptations, hip protectors, medications (including calcium and vitamin D), and medication reviews to treat residents at high risk of fracture. Our secondary outcomes were to determine if there was a change in knowledge uptake of the guidelines among healthcare providers and in the proportion of fracture prevention prescriptions post-intervention. We conducted a mixed-methods longitudinal cohort study in three LTC homes across southern Ontario. A local champion was selected to help guide the implementation of the model and promote best practices. We reported recruitment rates using descriptive statistics and challenges to implementation using content analysis. We reported changes in knowledge uptake and in the proportion of fracture prevention medications using the McNemar's test. We recruited three LTC homes and identified one local champion for each home. We required two months to identify and train the local champion over three, 1.5-hour train-the-trainer sessions, and the local champion required three months to deliver the intervention to a team of healthcare professionals. We identified several facilitators, barriers, and adaptations to PREVENT. Benefits of the model include easy access to the Fracture Risk Scale (FRS), clear and succinct educational material catered to each healthcare professional, and an accredited Continuing Medical Educational module for physicians and nurses. Challenges included misperceptions between the differences in fall and fracture prevention strategies, fear of perceived side effects associated with fracture prevention medications, and time barriers with completing the audit report. Our study found an increase knowledge uptake of the guidelines and an increase in the proportion of fracture prevention prescriptions post-intervention.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».