MétaCan
Menu
Retour à la cohorte
Enregistrement W4411193181 · doi:10.1016/j.jamda.2025.105716

A Better Way to Care for Long-Term Care Residents in Times of Medical Urgency: An Implementation Intervention Using a Stepped-Wedge Design to Reduce Unnecessary Acute Care Transfers

2025· article· en· W4411193181 sur OpenAlexafffund
Abraham Munene, Leanna Wyer, Patrick McLane, Vivian Ewa, Eddy Lang, Peter Faris, Shawna Reid, Tatiana Penconek, Greta G. Cummings, Guanmin Chen, Jillian Walsh, Eldon Spackman, Marian George, Jayna Holroyd‐Leduc

Notice bibliographique

RevueJournal of the American Medical Directors Association · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensCalgary Laboratory ServicesAlberta Health ServicesUniversity of AlbertaAlberta HealthUniversity of Calgary
Organismes subventionnairesAlberta InnovatesAlberta Innovates - Health SolutionsAlberta Health Services
Mots-clésMedicineReferralEmergency departmentAcute careContext (archaeology)Long-term careRate ratioIntervention (counseling)Emergency medicineInterrupted Time Series AnalysisHealth careFamily medicineNursingPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Approximately 25% of long-term care (LTC) residents are transferred to an emergency department (ED) when experiencing an acute change in health status. This can place strain on health care resources and negatively impact residents. Many residents' conditions could be managed within LTC if appropriate supports were provided. This implementation study objective was to optimize and evaluate processes followed when considering acute care management and transfer decisions for residents in LTC. DESIGN: A randomized stepped-wedge design was used to implement a standardized LTC-to-ED care and referral pathway, supported by 2 INTERACT tools. The pathway was implemented within 9 cohorts of (4-5) LTC facilities every 3 months, supported by an implementation coach. Implementation strategies considered local LTC context and barriers, as well as pandemic-related challenges. SETTING AND PARTICIPANTS: 40 LTC facilities and 4 EDs within Calgary, Canada. METHODS: The primary outcome was change in transfers from LTC to ED; secondary outcomes included hospital admissions, use of facilitated telephone consultation between LTC and ED physicians, and community paramedic visits. Analysis used negative binomial regression to estimate the incident rate (per 1000 residents), while adjusting for the different cohorts. An economic evaluation was conducted using a unit cost analysis. RESULTS: A reduction in the incident rate of LTC-to-ED transfers was observed with the intervention (1.70 postintervention vs 1.91 preintervention; P < .001), along with reduction in hospital admission (0.94 vs 1.08; P < .001). There was an increase in use of facilitated telephone consultations between MDs but no increase in community paramedic visits. The intervention saved the health care system CAD$7.9 million over the postimplementation evaluation period. CONCLUSION AND IMPLICATIONS: Implementation of a standardized LTC-to-ED care and referral pathway appears to reduce ED transfers and hospitalizations among LTC residents, while realizing cost savings to the health care system. Reducing unnecessary transfers from LTC to ED, and instead focusing on earlier identification and management of acute medical issues within LTC, looks to be a feasible, patient-centered, and resource-optimized approach to care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,454
Écart entre enseignants0,426 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of the American Medical Directors AssociationMême sujetGeriatric Care and Nursing HomesTravaux en français237 207