Accessible and sustainable prehabilitation: The first stakeholder-informed logic model for prehabilitation programs
Notice bibliographique
Résumé
Background: Prehabilitation programs treat modifiable risk factors with the aim of improving surgical outcomes. However, translation of research into practice remains slow. Logic models (i.e., visual representations of how a program works), have the potential to bridge research-to-practice gaps. We aimed to develop a stakeholder–informed logic model for prehabilitation clinics by interviewing stakeholders about 1) what should be the mission, inputs, outputs, and outcomes required to implement and evaluate prehabilitation programs? 2) what specific recommendations should be made to optimize existing prehabilitation programs? Methods: This program evaluation used a qualitative research design and integrated knowledge translation (iKT) concepts to explore stakeholder perspectives. Semi-structured interviews were conducted between June 2022 and December 2023 with stakeholders of an existing prehabilitation clinic of 2 tertiary care hospitals that provide Enhanced Recovery After Surgery (ERAS) care in Montreal, Canada. Interviews were transcribed verbatim and analyzed using manifest summative content analysis (i.e., frequency count) to determine logic model items. Focus groups with stakeholders and prehabilitation staff were conducted throughout the analysis process for member checking. Results: Sixty-one interviews were conducted with prehabilitation staff (n=12), patients (n=10), perioperative physicians (n=10), nurses (n=9), dietitians (n=9), physiotherapists (n=5), and hospital administrators (n=6). Our findings underscored unanimous support for prehabilitation among participants yet revealed challenges hindering efficient resource utilization. Participants were confused regarding the program’s mission and referral process (e.g., who can refer, how to refer, which patients to refer). Priority outcomes varied by stakeholder group: for prehabilitation staff, it was patient adherence to the intervention; for patients, enhanced experience such as feeling cared for and listened to for patients; for inpatient staff and hospital administrators, factors that facilitate discharge. Patient experience and satisfaction (n=32) were described nearly as frequently as clinical outcomes (n=44) such as length of stay.Significance: Through collaborative development of a logic model for prehabilitation with stakeholders, our objective is to enhance the efficiency, accessibility, and sustainability of prehabilitation implementation, while promoting the adoption of stakeholder-driven outcomes for prehabilitation programs globally. Subsequent research should evaluate the application of the logic model to an existing clinic
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 | 0,013 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».