MétaCan
Menu
Retour à la cohorte
Enregistrement W2144646876 · doi:10.1017/s0959259801011170

Outcome measures in the rehabilitation of older adults

2001· article· en· W2144646876 sur OpenAlexaff
Chris MacKnight, Colin Powell

Notice bibliographique

RevueReviews in Clinical Gerontology · 2001
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésIngenuityMeasure (data warehouse)Health carePrincipal (computer security)RehabilitationHealth care deliveryPsychologyNursingMedicineApplied psychologyComputer sciencePhysical therapyData mining

Résumé

récupéré en direct d'OpenAlex

Why measure? Before we consider what to measure and how to measure outcomes in the rehabilitation of frail older adults, an antecedent question is, why measure these things? Without an answer satisfactory for both measurers and measured, much effort and ingenuity will be expended with resultant perspiration and exasperation and little else. Traditionally, medical care, i.e. that identified by physicians, has assumed that its principal objective was patient care, i.e. that appreciated by patients. Outcomes of care from the viewpoint of the patient, of his or her informal supporters, of the involved health care professionals, and of the health care delivery system have to be clarified and made operationally explicit. This recognition requires definition and measurement. Thus a powerful reason for measuring outcomes for recipients and providers of health care, as well as the health care delivery system, is to know what is happening (the descriptive question) and with what effect (the analytical question).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,082
score de la tête « metaresearch » (Gemma)0,048
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0820,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,708
Tête enseignante GPT0,581
Écart entre enseignants0,127 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations5
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReviews in Clinical GerontologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207