Enhancing Emergency Department Experiences for Older Adults: A Rapid Review (2020-2025)
Notice bibliographique
Résumé
OBJECTIVES: Older adults (65+) account for nearly a quarter of all emergency department (ED) visits, yet consistently report challenges in care experiences, including communication gaps, long wait times, and a lack of age-appropriate services. This systematic rapid review synthesizes recent evidence on ED interventions that improved older adults’ care experiences. METHODS: We conducted the review guided by the Joanna Briggs Institute convergent integrated approach. MEDLINE, CINAHL, Web of Science, and AgeLine were searched (January 2020-July 2025). Eligible studies examined ED-based interventions for older adults ≥ 65 years and reported patient experience outcomes. Three reviewers independently screened, extracted, and appraised studies using the Mixed Methods Appraisal Tool. Findings were synthesized thematically across intervention domains. RESULTS: Ten studies met the inclusion criteria (i.e., 5 quantitative, 2 mixed-methods, and 3 qualitative). Interventions included multidisciplinary geriatric teams, frailty-specific pathways, redesigned discharge tools, comfort carts, assistive devices, advance care planning, and elder mistreatment screening. Interventions improved satisfaction, dignity, independence, and perceptions of care quality across four countries (Australia, Ireland, the Netherlands, and the United States of America). Frailty-focused programs and trauma-informed screening were broadly acceptable when framed respectfully. Structured communication redesigns and environmental modifications enhanced patient trust and comfort. Common limitations included small samples and single-site designs. CONCLUSIONS: Embedding geriatric expertise, structured communication, environmental supports, and trauma-informed practices improves older adults’ perceptions of ED experiences. Future research should prioritize multi-site evaluations, cost-effectiveness, and integration of patient-reported experience measures into routine monitoring.
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 | 0,014 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».