Memory assessment software in a dementia clinic: a pilot study using improvement science
Notice bibliographique
Résumé
Background: The pressure on memory assessment services in the UK to undertake an increasing number of new patient assessments is growing. Digital assessment tools delivered on hand-held electronic devices, such as tablets, may optimise the efficiency, accuracy and usefulness of remote cognitive assessments. Aim: To pilot the introduction of cognitive assessment software delivered on tablets in domiciliary-based memory assessments. Methods: Using the principles of improvement science (IS), the authors undertook a 12-month prospective technology introduction study, using a change package with an interrupted time series design. New tablet-based auto-scoring assessment software was systematically introduced in one mental health Trust in the North West UK to improve the efficiency of the assessment and report preparation process. Changes involved incrementally adapting the software with assessment nurses in a series of ‘Plan Do Study Act’ (PDSA) cycles evaluated with time series run charts. Results: Application of the final version of the software reduced the mean time taken to score and prepare the clinical assessment report by nearly 84% from the baseline (a median improvement of 77.5 minutes). This equates to a substantial increase in the number of new assessments that could be undertaken per year due to increased availability of front-line care. Conclusion: Introducing tablet-compatible assessment software for home-based memory clinics significantly increases the efficiency of the process and may facilitate more rapid turnover of new patient referrals. IS methods have potential to aid the introduction of new technology to improve dementia care.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».