A Clinimetric Evaluation of Specialized Geriatric Care for Rural Dwelling, Frail Older People
Notice bibliographique
Résumé
OBJECTIVE: To test Comprehensive Geriatric Assessment (CGA) as an adjunct to usual care. DESIGN: A randomized controlled trial with 3, 6, and 12 months follow-up. SETTING: Rural communities. PATIENTS: A total of 182 of 265 frail older patients (52 refused, 2 withdrawn, 27 ineligible, 2 deaths) referred by family practitioners with allocation to intervention (n = 95) or usual care (n = 87). INTERVENTION: Three-month implementation of CGA recommendations by a Mobile Geriatric Assessment Team (MGAT) with follow-up assessments at 3, 6, and 12 months. Geriatric nurse assessors, blinded to group assignment, performed each assessment. MAIN OUTCOME MEASURE: Goal Attainment Scaling (GAS). RESULTS: Baseline characteristics were comparable between groups. At 3 months, the intervention group was more likely to attain their goals (GAS total: chi = 46.4 +/- 5.9; GAS outcome chi = 48.0 +/- 6.6) compared with controls (total: chi = 38.7 +/- 4.1; outcome chi = 40.8 +/- 5.6) (P < .001). Standard assessments of function (Barthel index, instrumental activities of daily living), cognition (Mini-Mental State Examination), and quality of life (modified Spitzer quality of life index) showed no difference over 12 months. No difference in survival (intervention: chi = 320 days, SE = 6; control: chi = 294 days, SE = 6; P = .257) or time to institutionalization (intervention: 340 days, SE = 9; control: 342 days, SE = 8; log rank = 0.661; P = .416) were observed. CONCLUSIONS: A MGAT can target rural dwelling, frail older persons, perform in-home CGA, and develop an intervention strategy. Although the intervention did not prolong life or delay institutionalization, clinically important benefits were observed.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,003 |
| 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) | 0,001 | 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 ».