MétaCan
Menu
Retour à la cohorte
Enregistrement W2008099397 · doi:10.1002/rnj.94

Impact of Voluntary Accreditation on Short-Stay Rehabilitative Measures in U.S. Nursing Homes

2013· article· en· W2008099397 sur OpenAlexaff
Laura M. Wagner, Shawna M. McDonald, Nicholas G. Castle

Notice bibliographique

RevueRehabilitation Nursing · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCenters for Disease Control and PreventionAgency for Healthcare Research and QualityRTI International
Mots-clésAccreditationMedicineCertificationNursingRehabilitationHealth careDeliriumCommissionMEDLINEQuality assurancePhysical therapyMedical educationIntensive care medicineBusiness

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To examine accreditation from nursing homes accredited by the Commission on Accreditation of Rehabilitation Facilities (CARF) and whether this is associated with improved rehabilitation care. DESIGN: Cross-sectional association of CARF accreditation and quality. METHODS: Comparison of the short-stay quality measures (influenza and pneumococcal vaccination; pain; delirium; pressures sores; five-star quality and health inspection scores) between the sample of 246 CARF-accredited homes compared with the 15,393 nursing homes in the 2010 On-Line Survey Certification of Automated Records (OSCAR). FINDINGS: CARF-accredited nursing homes demonstrate better quality with regard to the short-stay quality measures. CONCLUSIONS: Approaches beyond traditional regulation and governmental inspections are necessary to improve the quality of care in nursing homes. CLINICAL RELEVANCE: During a patient's rehabilitation stay, minimizing iatrogenic complications is paramount. Given the findings of this study, it is unfortunate that very few nursing homes are CARF accredited.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,074
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,431
Écart entre enseignants0,402 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRehabilitation NursingMême sujetGeriatric Care and Nursing HomesTravaux en français237 207