Impact of a geriatric emergency management nurse on thirty-day emergency department revisits: a propensity score matched case-control study
Notice bibliographique
Résumé
Abstract Objectives Geriatric Emergency Management (GEM) nurses aim to reduce adverse outcomes by addressing unique needs of older adults seen in emergency departments (EDs), but evidence to demonstrate their impact on ED care transitions is mixed. We evaluated the impact of implementing a GEM nurse model in a local ED on thirty-day revisits using propensity score matching to control for relevant patient characteristics. Methods A case-control design was used to analyze older adult patients who were triaged to a stretcher at an ED in Lévis, Québec, from October 2018 to September 2019. We used propensity score matching to compare patients who received the GEM nurse intervention with control patients who did not receive the intervention. This intervention involved a targeted geriatric ED assessment including history, physical exam, chart review, communication with caregivers and home care services, and the creation of an intervention and care transition plan to support safe discharge from the ED. We followed both the EQUATOR network’s brief guidelines for reporting a propensity score analysis and the STROBE guideline. Results Out of 21,024 patients visiting the ED over a one-year period, 7,952 were eligible for analysis, with pre-matching differences showing GEM patients were older and more frequent ED users. Propensity score matching resulted in 724 patients with no significant differences in baseline characteristics between groups. Using a Cox regression analysis, we found a non-significant 6% decrease in the risk of ED revisit within 30 days for the GEM group (HR = 0.94, p = .692). Conclusions The GEM nursing intervention targeting better care transition plans personalized to the needs of each patient did not significantly impact thirty-day revisits to the ED. Further work is needed to determine the most effective specific components of such interventions to maximize future positive impact on the care transitions of older patients. Clinician’s capsule What is known about the topic? Geriatric emergency management (GEM) nurses heterogeneously contribute to reducing emergency department revisits among older adults but may improve the quality of care. What did this study ask? How would the implementation of a Geriatric Emergency Management (GEM) nurse intervention in a local emergency department (ED) impact 30-day revisits among older adults? What did this study find? Despite not reaching statistical significance, we observed a 6% reduction in revisit rates. Why does this study matter to clinicians? We should refine and support GEM nurse practices, along with shifting outcome measures from service-level metrics to patient-centered metrics like quality of life and symptom burden.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».