“How Can We Help You?” Older Adults’ and Care Partners’ Perspectives on Improving Care in Hospital: A Mixed Methods Study
Notice bibliographique
Résumé
Background: Hospitalized older adults have unique physical, emotional, and psychosocial needs. We sought to understand older patients' and care partners' experiences with multicomponent interventions that support age-friendly care and identify areas for improvement. Methods: We conducted a mixed methods study using surveys and interviews to explore older adult patients' (65 years or older) and their care partners' experiences with hospital-delivered multicomponent initiatives. We recruited participants from the Geriatric Rehabilitation (GRU) and Musculoskeletal (MSK) Rehabilitation units in a Canadian academic hospital from October 2021 to April 2022 until we reached data saturation and no new themes emerged. Results: We recruited 18 participants, 10 patients (mean age 78 years, 80.0% female) and 8 care partners (mean age 61, 87.5% female). Surveys revealed overall positive experiences with multicomponent interventions. Interviews revealed five themes: 1) various forms of companionship for patients, 2) recreation and entertainment, 3) physical activity, 4) communication, and 5) pleasant physical environment. Having forms of companionship and proper communication with the care team were highlighted as areas of importance. Physical activity was highly valued, but participants expressed hesitation around safety of mobilizing without physiotherapists. Recreational activities helped distract from social isolation during a hospital stay and participants had diverse preferences for activities. Participants had strong memories of the physical environment, including the lack of natural light, institutionallike décor, and smells. Conclusion: Companionship, recreation and entertainment, physical activity, communication, and the physical environment were important to hospitalized patients and their care partners. Hospital administrators and policy makers should consider these when targeting areas to improve care for the aging population.
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 | 0,034 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».