Abstract T P281: Facilitating Best Practices in Rehabilitation for Persons With Stroke: Use of a Triage Tool in Toronto
Notice bibliographique
Résumé
Background: Best practice indicates all stroke patients (including severely affected) benefit from timely and intensive rehabilitation care. Currently in Toronto 27% of patients with stroke are discharged to inpatient rehabilitation from acute care (Canadian Institute for Health Information (CIHI) 11/12). Sixty percent of admissions to rehabilitation were patients with moderate stroke, 17% mild and 22% severe CIHI (FY12-13 Q1-3). Access to rehabilitation in Toronto is not equitable as admission criteria and rehabilitation programming are not standardized for stroke. Purpose: Develop a triage tool to support clinical decision making, equitable access to care and early referral to appropriate rehabilitation based on best practice Methods Acute and rehabilitation leaders collaboratively developed the triage tool. Provincial expert panel recommendations and existing referral frameworks were considered. The AlphaFIM® tool was used as the basis for categorizing stroke severity. Agreement was reached to support automatic acceptance of patients referred to rehab with AlphaFIM® score of 60-80. The tool was implemented Feb 1, 2013. All rehabilitation organizations agreed to standardized admission criteria and are working toward best practice for stroke inpatient rehabilitation care. Results: Baseline data (January to August 2012) for patients referred with an early AlphaFIM® of 60-80 indicated only 66% were accepted to rehab, 15% were declined and 8.5% had a decision pending. For those declined, 10% were identified as having special needs that could not be met, 29% were considered more appropriate for slow stream rehab, and 14% because of limited sitting tolerance and balance. An analysis of data following implementation will be presented. Conclusion: The triage tool creates a standard of best practice for the system. Agreement on common admission criteria and standard of practice for rehabilitation referral management for patients with AlphaFIM® 60-80 have been established between referrers and rehab providers. It is expected that transition barriers for this group should be minimal unless special needs are identified.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».