The relationship between patient activation and surgical outcomes: A pilot study
Notice bibliographique
Résumé
Introduction:L'activation des patients est un concept comportemental défini par les connaissances, compétences, croyances et confiance que les patients ont à gérer leurs propres soins de santé. Chez les patients chroniques, une forte association a été démontrée entre un engagement élevé et de meilleurs résultats postopératoires, une plus grande satisfaction des patients, une diminution du taux d'utilisation du système de santé et de plus faibles coûts. Cependant, il existe peu de données sur le rôle de l'activation des patients en chirurgie. L'objectif de cette étude était d'estimer à quelle mesure un bas niveau d'activation préopératoire prédit le nombre de visites aux urgences et les résultats après une chirurgie colorectale. Méthodes : Une étude secondaire a été réalisé en utilisant des données obtenues d'un essai clinique randomisé complété au Centre Universitaire de Santé McGill ayant pour but d'évaluer l'impact d'une application mobile sur l'adhérence aux processus de soins. Tous les participants étaient des adultes atteints de maladies du colon ou du rectum ayant subi une chirurgie colorectale. L'activation du patient a été mesurée en utilisant la mesure d'activation du patient (PAM) en préopératoire et postopératoire et a été classée en niveau élevé (niveaux 3 et 4) ou niveau faible (1 et 2). L'objectif principal était les visites à l'urgence dans les 30 jours suivant la chirurgie. Les issues secondaires étaient la présence de complications postopératoires, l'adhérence aux soins et la satisfaction des patients. La distribution des caractéristiques personnels et chirurgicaux des patients a été comparée entre les patients d'activation élevé et faible en utilisant un test Chi-square ou la méthode exacte de Fisher (variables catégoriques), et le test t ou ANOVA (variables continues). Une régression logistique a été effectuée pour déterminer les facteurs prédictifs du retour à l'urgence et des complications. Une régression logistique multivariée ajustée pour l'âge, le sexe, l'indice de comorbidité, le diagnostic et les complications a été utilisée afin d'estimer l'effet d'une basse activation préopératoire des patients sur le retour à l'urgence. Résultats : Un total de 97 patients ont été inclus, desquels 14% (n=14) avaient un bas niveau d'activation et 86% avaient des taux élevés. Les caractéristiques des patients étaient similaires entre les deux groupes d'activation. Les patients avec un haut niveau d'activation avaient un plus haut taux d'adhérence le jour après la chirurgie (66% vs 47%, p=0,004) et se sentaient plus informés (p=0.000) et plus motivés (p=0.004). Plus de patients avec une activation élevée ont quitté l'hôpital moins de 3 jours suivant la chirurgie par rapport aux patients avec un faible activation (37% vs 7%, p=0,021). Il n'y avait aucune différence entre le pourcentage de patients ayant au moins une visite à l'urgence entre les deux groupes d'activations (21% élevé vs 20% bas, p=0.548). Plus de patients présentaient un faible niveau d'activation en post-opératoire qu'en préopératoire (30% vs 14%, p=0,009). La régression logistique a démontré que la présence de complications postopératoires (OR 16,06 [3,45-74,72]) était le seul facteur prédictif indépendant des visites à l'urgence. La régression multivariée a aussi démontré que la présence de complications était le seul facteur prédictif indépendant des visites à l'urgence (OR 19,41 [3,84-98,14]). Conclusion : Cette étude pilote suggère que le niveau d'activation ne permet pas de prédire l'utilisation des services d'urgence chez les patients subissant une chirurgie colorectale. Cependant, les patients hautement activés ont une plus grande adhérence aux programmes de soins, ont tendance à avoir une plus courte durée de séjour et se sentent plus informés et motivés. De plus, le niveau d'activation des patients a diminué dans la période postopératoire immédiate. D'autres études dans une plus grande cohorte de patients chirurgicaux sont justifiées.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».