Implementering och bedömning av BE-FIT-programmet (BE-FIT)

Skörhet och postoperativa komplikationer är prediktorerna för ökade vårdkostnader bland äldre patienter som genomgick akut bukkirurgi i Alberta. Dessutom är äldre patienter ofta mer sårbara för fysiska påfrestningar efter större operationer inklusive risker för fall och handikapp. Det finns allt fler bevis för att daglig träning och fysiska aktiviteter kan förbättra återhämtningen och utskrivningsprocessen för äldre patienter. Genom att använda en tvåarmad prövningsdesign kommer vi att testa om initieringen av ett tidigt mobiliseringsprogram kan minska graden av funktionsnedgång hos äldre vuxna patienter efter operation.

Försöket kommer att genomföras på ett sjukhus för akutvård i Alberta, Kanada. Utredarna kommer att implementera ett kvalitetsförbättringsprogram BE-FIT (Sängrekonditionering för funktionella förbättringar) baserat på implementeringsstrategin Mobilization of Vulnerable Elders (MOVE). BE-FIT är ett evidensbaserat träningsprogram som fokuserar på tidig mobilisering och återhämtning genom att minimera sängläge, främja funktionella uppgifter och uppmuntra självförvaltning. Interventionen består av en träningsplan vid sängkanten som genomförs under hela sjukhusvistelsen. Det görs självständigt utan behov av ytterligare rehabiliterings- eller vårdpersonal. Utredarna kommer att implementera pedagogisk intervention för att stödja patienter, personal och familjer i att åstadkomma och upprätthålla förändring i praktik och beteende från stillasittande till fysiskt aktiv mobiliseringsmetod inom det kirurgiska området inom akutvården. Kontrollpatienter kommer att få sedvanlig vård utan den extra träningsplanen.

BE-FIT kommer att implementeras i kirurgiska enheter på 3 demonstrationsplatser (University of Alberta Hospital (UAH), Foothills Medical Center (FMC) och Misericordia Community Hospital (MCH)). Enheter kan inkludera allmän kirurgi, otolaryngologisk kirurgi och urologi. Forskningen kommer att omfatta alla patienter ≥65 år inlagda på sjukhus (akut eller elektiva) enheter.

Studien styrs av Knowledge-to-Action Cycle theory (K2A) och Quality Implementation Framework (QIF) med avbruten tidsseriedesign (IT). Före genomförandet av programmet kommer utredarna att använda beredskapsbedömningar, identifiering av facilitatorer och hinder för postoperativ mobilitet och samdesign med patienter kommer att genomföras. För att mäta och analysera effekten av vårt program kommer det primära resultatet att utvärdera procentandelen av "ut ur sängen"-händelser mätt med en avbruten tidsserie av mobilitetsrevisioner; sekundära resultat kommer att inkludera: tid till mobilitet, vistelsens längd, komplikationsförekomst och kostnader för sjukhusvistelse. Den kvasi-experimentella, oblindade avbrutna tidsseriedesignen (ITS) kommer att genomföras i tre faser: förintervention (10 veckor); under intervention (16 veckor); efter intervention (20 veckor). En pre-intervention modell kommer att skapas genom att använda de första tidpunkterna under 10 veckor för att analysera det primära resultatet. För att utvärdera om denna modell beskriver baslinjen på ett adekvat sätt kommer en uppskattning av tidsseriemodellerna för hela 84-tidpunkterna (före och efter intervention) att göras. För att undersöka effekten av BE-FIT träningsprogrammet på patientens resultat kommer utredarna att använda segmenterade linjära regressionsmodeller och korrigera modellerna för autokorrelation efter behov med hjälp av Cochrane-Orcutt-metoden. Detta kommer att användas för att beräkna medianvärdet för den dagliga vistelsetiden för varje vecka under studieperioden, klassificerad i före, under och efter intervention. Regressionsmetoder kommer att användas för att bedöma mobiliseringsresultat för att undersöka och jämföra trenden i medianvistelsetiden. En före- och efteranalysmetod kommer att användas för komplikationer, funktionell prestanda och patientnöjdhet. Regressionsmodeller kommer att konstrueras med hjälp av den sparsamma metoden, multivariabel linjär (eller transformerad linjär) regression och logistisk regression. Potentiella störande baslinjevariabler (d.v.s. ålder, kön, patientens läge före inläggning, intagningsdiagnos etc.) kommer att föras in i modellen och behållas om det bedöms statistiskt (p<0,05) och/eller kliniskt viktiga. Hälsoekonomisk bedömning kommer att uppskatta medelkostnaden för olika underkategorier med hjälp av lämpliga regressionsmodeller för skev kostnadsdata, justerad för potentiella riskskillnader. Effekten på patientens funktion och livskvalitet kommer att bedömas med korta prestanda fysiska batterier (SPPB) och EQ-5D frågeformulär.