MétaCan
Menu
Retour à la cohorte
Enregistrement W2019796616 · doi:10.1097/acm.0b013e318271cad8

The Comprehensive Geriatric Assessment Guide

2012· article· en· W2019796616 sur OpenAlexaff
Laura L. Diachun, Kelsey B. Klages, Kevin T. Hansen, Kim Blake, Janet Gordon

Notice bibliographique

RevueAcademic Medicine · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensSt Joseph's Health CareWestern University
Organismes subventionnairesnon disponible
Mots-clésInter-rater reliabilityCLARITYGold standard (test)RecallMnemonicMedicineReliability (semiconductor)PsychologyMEDLINEMedical educationGeriatricsFamily medicinePsychiatryRating scale

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Few opportunities exist for medical students and residents to receive feedback on specific geriatric skills because they are frequently unsupervised when assessing elderly patients. Patients and caregivers are currently an untapped source of clinical content feedback. The purpose of this study was to determine whether patients/caregivers could accurately complete a postassessment evaluation of trainees' clinical performance. METHOD: The authors developed the Comprehensive Geriatric Assessment Guide (CGAG) consisting of 36 yes/no/don't-remember questions that prompt the patient/caregiver to indicate what topics the trainee discussed during clinical assessment. In 2010, two raters independently listened to audio recordings of 10 trainee-administered clinical assessments, scoring them using the CGAG to determine interrater reliability. Next, 32 patients/caregivers completed a CGAG after a trainee-administered clinical assessment. Then, the authors compared the results with a "gold standard" CGAG of the encounter. RESULTS: Interrater reliability for the CGAG was high (90.4% agreement), indicating that the patients/caregivers were able to accurately complete the postassessment CGAG. Of 36 CGAG questions, 30 had patient/caregiver and gold standard agreement of over 80%; the remaining 6 had low agreement. CONCLUSIONS: Patients and caregivers were able to recall sufficient clinical assessment detail to potentially provide constructive feedback to medical trainees on their assessment skills via the CGAG. Six questions with low agreement will be reworded to improve clarity on future versions of the CGAG. Future investigations will help determine whether use of the CGAG during medical education may help trainees improve assessment performance and allow educators to track progress in geriatric competencies.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Autre
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Autre
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0750,081

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 Opus0,101
Tête enseignante GPT0,495
Écart entre enseignants0,394 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

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

En bref

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetAging and Gerontology ResearchTravaux en français237 207