Affirming the Value of the Resident Assessment Instrument: Minimum Data Set Version 2.0 for Nursing Home Decision-Making and Quality Improvement
Notice bibliographique
Résumé
BACKGROUND: We examined the agreement over time of the physical functioning domains of the Resident Assessment Instrument: Minimum Data Set Version 2.0 (RAI-MDS) and the Functional Independence Measure (FIM) in nursing home residents with dementia. METHODS: We completed a secondary analysis of data from a longitudinal quasi-experimental study of residents who could transfer independently or with the assistance of one person. FIM assessments were completed at up to three time points by researchers using interviews. RAI-MDS assessments, completed by nursing home staff, were matched to the FIM assessment by nearest time. FIM and RAI-MDS assessments were correlated based on time between assessments using Pearson's correlation. Items for activities of daily living (ADL) from the RAI-MDS were rescaled using two previously published crosswalks. Motor and ADL subscales were also used, containing eight and six items, respectively. RESULTS: A total of 362 paired interviews and assessments were collected from 130 residents. The mean scores and standard deviations were as follows: FIM: 19.64 (7.60); William's RAI-MDS crosswalk: 18.04 (5.25); and Velozo's RAI-MDS crosswalk: 18.09 (6.50). Using both crosswalks, most items showed medium (r > 0.3) or large (r > 0.5) correlations, even at greater than 41 days between assessments. Subscales showed large correlations for all time intervals for both crosswalks. CONCLUSIONS: The RAI-MDS remains stable when data are collected greater than 41 days from the FIM assessment. These findings should add confidence in the RAI-MDS data and its clinical utility.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».