MétaCan
Menu
Retour à la cohorte
Enregistrement W7116827172 · doi:10.1186/s12912-025-04121-6

Improving transitions between nursing homes and emergency departments: a qualitative study

2025· article· en· W7116827172 sur OpenAlexaff
Elin Høyvik, Malcolm Doupe, Frode F. Jacobsen

Notice bibliographique

RevueBMC Nursing · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesHøgskulen på Vestlandet
Mots-clésQualitative researchNursing researchNursing homesNursing managementEmergency nursingEmergency departmentPrimary nursingTransitional care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Nursing home residents with acute illnesses have complex healthcare needs that often require transitions across multiple organizations. This study explores the experiences of diverse healthcare professionals from organizations involved in transitions between nursing homes and emergency departments and identifies conditions necessary to improve this transitional process. METHODS: Eighteen qualitative interviews with healthcare professionals were conducted, and data were analyzed using thematic analysis based on the work of Braun & Clarke. This paper adheres to the Standards for Reporting Qualitative Research (SRQR) standards. RESULTS: Three themes were identified: (1) Inclusive and supportive engagement, emphasizing the importance of involving care recipients while providing support; (2) Operational readiness, indicating the structures and supports needed to ensure that staff can effectively respond to unexpected events; and (3) Cross-organizational collaboration, pinpointing that streamlined communication strategies across healthcare organizations facilitate a shared decision-making process among healthcare professionals and ensure that essential patient information is readily accessible at each transitional step. CONCLUSIONS: A comprehensive approach addressing these individual, operational, and systemic factors can enhance transitional care between nursing homes and emergency departments.

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)0,018
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,006
Communication savante0,0030,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,491
Écart entre enseignants0,423 · 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'étudeQualitatif
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetGeriatric Care and Nursing HomesTravaux en français237 207