Use of the interRAI CHESS Scale to Predict Mortality among Persons with Neurological Conditions in Three Care Settings
Notice bibliographique
Résumé
BACKGROUND: Persons with certain neurological conditions have higher mortality rates than the population without neurological conditions, but the risk factors for increased mortality within diagnostic groups are less well understood. The interRAI CHESS scale has been shown to be a strong predictor of mortality in the overall population of persons receiving health care in community and institutional settings. This study examines the performance of CHESS as a predictor of mortality among persons with 11 different neurological conditions. METHODS: Survival analyses were done with interRAI assessments linked to mortality data among persons in home care (n = 359,940), complex continuing care hospitals/units (n = 88,721), and nursing homes (n = 185,309) in seven Canadian provinces/territories. RESULTS: CHESS was a significant predictor of mortality in all 3 care settings for the 11 neurological diagnostic groups considered after adjusting for age and sex. The distribution of CHESS scores varied between diagnostic groups and within diagnostic groups in different care settings. CONCLUSIONS: CHESS is a valid predictor of mortality in neurological populations in community and institutional care. It may prove useful for several clinical, administrative, policy-development, evaluation and research purposes. Because it is routinely gathered as part of normal clinical practice in jurisdictions (like Canada) that have implemented interRAI assessment instruments, CHESS can be derived without additional need for data collection.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».