The impact of a multi-component hospital avoidance programme in residential aged care homes: a stepped-wedge cluster randomised trial
Notice bibliographique
Résumé
OBJECTIVES: To investigate if a multi-component hospital avoidance intervention would reduce hospital bed days in residential aged care (RAC) homes. DESIGN: Prospective stepped-wedge cluster randomised trial with usual care and intervention phases. SETTING: Eleven RAC homes in Queensland, Australia. PARTICIPANTS: The intervention targeted all nursing staff and personal care workers within the participating RAC homes. Outcome data were collected for all residents living in the participating RAC homes at any time throughout the trial period. INTERVENTION: The intervention comprised four core components: face-to-face training sessions with all nursing staff and personal care workers; provision of diagnostic medical equipment; decision support tools and embedded implementation facilitation and support. MAIN OUTCOME MEASURES: The primary outcome was the number of hospital bed days per 100 resident days in RAC homes. Secondary outcomes assessed emergency department (ED) transfers, subsequent admissions to hospital and hospital length of stay. RESULTS: No statistically significant intervention effects were observed across the reported outcomes. Exposure to the early detection of deterioration in elderly residents intervention was associated with a 27% relative increase in the primary outcome of hospital bed days (Estimate, 95% CI: 1.13, 0.93-1.74, P-value = 0.137). There was an 8% reduction in ED transfers (Estimate, 0.92: 0.74-1.14, P-value = 0.462) and a 10% increase in hospital admissions (Estimate, 1.10, 95% CI: 0.84-1.44, P-value = 0.486). For residents admitted to the hospital, the expected length of stay increased from 4.2 to 4.4 days (Estimate: 1.04; 95% CI: 1.00-1.07; P-value = 0.055). CONCLUSIONS: Whilst not statistically significant, findings indicate that the intervention was associated with fewer ED transfers, but increased hospital admissions and overall hospital bed days. Programme implementation was impacted by major contextual barriers, notably the COVID-19 pandemic, which contributed to pressures on staffing and workload. TRIAL REGISTRATION: Australia New Zealand Clinical Trial Registry, ACTRN12620000507987 (registered 23rd April 2020).
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».