Validating Diagnostic Information on the Minimum Data Set in Ontario Hospital-Based Long-Term Care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Over 20 countries currently use the Minimum Data Set Resident Assessment Instrument (MDS) in long-term care settings for care planning, policy, and research purposes. A full assessment of the quality of the diagnostic information recorded on the MDS is lacking. OBJECTIVE: The primary goal of this study was to examine the quality of diagnostic coding on the MDS. STUDY SAMPLE: Subjects for this study were admitted to Ontario Complex Continuing Care Hospitals (CCC) directly from acute hospitals between April 1, 1997 and March 31, 2005 (n = 80,664). METHODS: Encrypted unique identifiers, common across acute and CCC administrative databases, were used to link administrative records for patients in the sample. After linkage, each resident had 2 sources of diagnostic information: the acute discharge abstract database and the MDS. Using the discharge abstract database as the reference standard, we calculated the sensitivity for each of 43 MDS diagnoses. RESULTS: Compared with primary diagnoses coded in acute care abstracts, 12 of 43 MDS diagnoses attained a sensitivity of at least 0.80, including 7 of the 10 diagnoses with the highest prevalence as an acute care primary diagnosis before CCC admission. CONCLUSIONS: Although the sensitivity was high for many of the most prevalent conditions, important diagnostic information is missed increasing the potential for suboptimal clinical care. Emphasis needs to be put on improving information flow across care settings during patient transitions. Researchers should exercise caution when using MDS diagnoses to identify patient populations, particularly those shown to have low sensitivity in this study.
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.
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 | 0,002 |
| 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 découle