数字技术对家庭看护者的教育干预 (eshare)

中风是巴西第二大死亡和残疾原因，在老年人中更为普遍。 此事件可能导致患者丧失功能能力，因此需要护理人员接受如​​何进行护理的指导，特别是因为从医院到家庭的护理过渡是最关键的时期之一，其中家庭需要更多的支持。 因此，从入院开始，到出院后进行随访，对护理人员进行培训的结构化干预被认为是良好实践的必要条件。 随着 COVID-19 大流行，支持护理人员的虚拟策略得到了更多使用。 本研究的目的是分析虚拟教育干预对家庭照顾者照顾中风后遗症老年人的能力和表现的有效性。 这是一项实用的随机研究，对象是在 Hospital de Clínicas de Porto Alegre 住院的中风老年患者的护理人员。 参与者将在急救服务中心、中风特别护理室和其他临床住院部招募。 18 岁以上可以上网和打电话的家庭看护人也将包括在内。 使用 randomization.com 上生成的列表，参与者将被随机分为干预组 (29) 和对照组 (29) 页。 IG 的干预将由护士进行，包括通过大规模开放在线课程 (MOOC) 进行的虚拟教育行动，以及在以下时间进行的电话联系：7 天、30 天、60 天和 80 天出院后。 如果参与者有任何问题，也可以拨打热线电话。 该干预措施旨在根据先前经过验证的中风老年人家庭护理人员指导手册，使家庭护理人员能够协助家中的老人进行卫生、喂养、定位和转移等护理。 将收集老年人及其护理人员的身份、社会人口统计和健康数据。 老年中风患者非正式护理人员的能力量表 (ECCIID-AVC)、通过选定结果和指标的护理结果分类 (NOC) 以及护理人员负担量表 (CBS) 将应用于护理人员。 功能独立性测量 (MIF) 和再入院数据将应用于老年人，所有量表都经过验证可在巴西使用。 出院三个月后（90 天），护理人员和老年人将使用相同的工具进行重新评估。 对照组参与者将接受初始和最终评估。 对于数据分析，将使用社会科学统计软件包 (SPSS) 21.0 版。 将使用意向治疗技术，连续变量将被描述为均值和标准差，或中位数和四分位数范围。 对于分类变量，将使用绝对数字和相对频率。 根据数据分布，通过Student's t检验和Mann-Whitney比较各组的基础特征。 为了分析干预对结果的有效性，基线和最终分数之间的差异将通过配对学生 t 检验进行评估，置信区间为 95%，并将被视为显着值 p<0.05。 该项目将提交给 HCPA 研究伦理委员会。