Depiction of a Novel Patient Navigator Program to Support Delayed Discharges Among Older Adults Admitted to Acute Care
Notice bibliographique
Résumé
Background A novel Patient Navigator Program (PNP) was introduced at a Canadian hospital’s Reactivation Care Centre (RCC) to support transitions by helping older adults navigate the complexities of delayed discharge stays by improving their transition from hospital to home. The PNP was comprised of a community agency patient navigator who was embedded into the RCC setting to support transitions in care, and who followed patients up to 90 days post-hospital discharge. The purpose of this study was to describe the PNP, which included detailing the needs of patients (i.e., socio-demographics, case-mix, delayed discharge), the scope of service provision (i.e., referral process, follow-up duration), and patient outcomes (i.e., post-discharge location). Methods A cohort observational design was used to collect data on the PNP mainly via the patient navigator’s clinical tracking sheet, and secondly via the hospital’s administrative system. Data analysis included the use of frequencies and descriptive statistics. Results Between November 2021 and October 2022, 100 patients were referred to the PNP, with 70 patients (39% male; 61% female; median age of 81 years) being admitted to the patient navigator’s caseload. The patient navigator provided follow-up care for a median of 58 days, and supported 76% of the patients (n=53) to return to their next point of care (e.g., homes or to a supportive housing setting). Conclusion The PNP led to a high proportion of patients being discharged back to the community. This study provides insights to providers and decision-makers interested in implementing PNP care models in a hospital in partnership with a community agency.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».