Implementering og vurdering af BE-FIT-programmet (BE-FIT)

Skrøbelighed og postoperative komplikationer er prædiktorerne for øgede plejeomkostninger blandt ældre patienter, der gennemgik en akut abdominaloperation i Alberta. Derudover er ældre patienter ofte mere sårbare over for de fysiske stressfaktorer efter større operationer, herunder risiko for fald og invaliditet. Der er stigende evidens for, at daglig motion og fysiske aktiviteter kan forbedre restitutions- og udskrivningsprocessen for ældre patienter. Ved at anvende et to-arms forsøgsdesign vil vi teste, om initiering af et tidligt mobiliseringsprogram kan reducere frekvensen af ​​funktionsnedgang hos post-kirurgiske ældre voksnes patienter.

Forsøget vil blive udført på et akut hospitalsmiljø i Alberta, Canada. Efterforskerne vil implementere et kvalitetsforbedringsprogram BE-FIT (Bedside reconditionering for funktionelle forbedringer) baseret på implementeringsstrategien Mobilization of Vulnerable Elders (MOVE). BE-FIT er et evidensbaseret træningsprogram, der fokuserer på tidlig mobilisering og restitution ved at minimere sengeleje, fremme funktionelle opgaver og opmuntre til selvledelse. Interventionen består af en bedside træningsplan, der gennemføres under hele indlæggelsen. Det udføres selvstændigt uden behov for yderligere genoptrænings- eller sundhedspersonale. Efterforskerne vil implementere pædagogisk intervention for at støtte patienter, personale og familier i at bringe og opretholde ændring i praksis og adfærd fra stillesiddende til fysisk aktiv mobiliseringstilgang i det kirurgiske område i den akutte pleje. Kontrolpatienter vil modtage sædvanlig pleje uden den tilføjede træningsplan.

BE-FIT vil blive implementeret i kirurgiske enheder på 3 demonstrationssteder (University of Alberta Hospital (UAH), Foothills Medical Center (FMC) og Misericordia Community Hospital (MCH)). Enheder kan omfatte generel kirurgi, otolaryngologisk kirurgi og urologi. Forskningen vil omfatte alle patienter ≥65 år indlagt på hospitalets (akut- eller elektive) afdelinger.

Undersøgelsen er styret af Knowledge-to-Action Cycle-teorien (K2A) og Quality Implementation Framework (QIF) med afbrudt tidsseriedesign (IT). Forud for implementeringen af ​​programmet vil efterforskerne bruge beredskabsvurderinger, identifikation af facilitatorer og barrierer for postoperativ mobilitet og co-design med patienter vil blive udført. For at måle og analysere virkningen af ​​vores program vil det primære resultat evaluere procentdelen af ​​'ud af sengen'-hændelser målt ved en afbrudt tidsserie af mobilitetsaudits; sekundære resultater vil omfatte: tid til mobilitet, opholdets længde, komplikationsforekomst og hospitalsindlæggelsesomkostninger. Det kvasi-eksperimentelle ublindede afbrudte tidsseriedesign (ITS) vil blive udført i tre faser: præ-intervention (10 uger); under intervention (16 uger); post-intervention (20 uger). En præ-interventionsmodel vil blive oprettet ved at bruge de første tidspunkter over 10 uger til at analysere det primære resultat. For at vurdere om denne model beskriver basislinjen tilstrækkeligt, vil der blive udført et estimat af tidsseriemodellerne for hele 84-tidspunkterne (før og efter intervention). For at undersøge virkningen af ​​BE-FIT træningsprogrammet på patientresultatet, vil efterforskerne bruge segmenterede lineære regressionsmodeller og korrigere modellerne for autokorrelation efter behov ved hjælp af Cochrane-Orcutt metoden. Dette vil blive brugt til at beregne den gennemsnitlige daglige opholdslængde for hver uge i undersøgelsesperioden, klassificeret i før, under og efter intervention. Regressionsmetoder vil blive brugt til at vurdere mobiliseringsresultater for at undersøge og sammenligne tendensen i median-opholdslængden. En før-og-efter-analysemetode vil blive vedtaget for komplikationer, funktionel ydeevne og patienttilfredshed. Regressionsmodeller vil blive konstrueret ved hjælp af den sparsommelige tilgang, multivariabel lineær (eller transformeret lineær) regression og logistisk regression. Potentielle forvirrende baseline-variabler (dvs. alder, køn, patientens placering før indlæggelse, indlæggelsesdiagnose osv.) vil blive indtastet i modellen og opbevaret, hvis det vurderes statistisk (p<0,05) og/eller klinisk vigtig. Sundhedsøkonomisk vurdering vil estimere gennemsnitlige omkostninger for forskellige underkategorier ved hjælp af passende regressionsmodeller for skæve omkostningsdata, justeret for potentielle risikoforskelle. Indvirkningen på patientens funktion og livskvalitet vil blive vurderet med Short Performance Physical Battery (SPPB) og EQ-5D spørgeskemaer.