Perspectives of early mobility in the cardiac surgery intensive care unit: an interpretive description study
Notice bibliographique
Résumé
ObjectiveEarly mobility after cardiac surgery in the intensive care unit improves patient outcomes, yet implementation by clinicians remains inconsistent. To inform interventions to increase adoption, this study sought to explore clinicians' perspectives on the definition of early mobility in the cardiac surgery intensive care unit and describe perceived barriers and facilitators to implementation.DesignThis qualitative study was guided by interpretive description.SettingA tertiary hospital that performs 1000 cardiac surgeries annually.ParticipantsA total of 26 clinicians, including nurses, physicians, healthcare aides, respiratory therapists, and physiotherapists, participated.Main MeasuresThe nine focus groups and four individual interviews were audio-recorded, transcribed verbatim, and analyzed using thematic analysis.ResultsThree themes and 13 categories were created from the data: (1) Incongruent operationalization and conceptualization (across micro, meso, and macro levels), (2) uncertainty, and (3) inconsistency in mobilization practices. Themes were rooted in ambiguous definitions of "early" and "mobility," discrepancy between conceptualization and implementation of timing, varied interpretations of success, and perceived safety concerns. In addition, 4 barriers and 4 facilitators were identified and categorized into patient-care and clinician-related.ConclusionDeveloping early mobility protocols and education informed by clinicians may enhance its implementation in the cardiac surgery intensive care unit. Incorporating the perspectives of clinicians into early mobility protocol development is essential to support behaviour change and provide this beneficial 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 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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».