Assessing quality of life of nursing home residents with dementia: feasibility and limitations in patients with severe cognitive impairment
Notice bibliographique
Résumé
BACKGROUND: The Quality of Life-Alzheimer's Disease Scale (QOL-AD) is a reliable and valid self-report measure for assessing quality of life (QoL) in people with dementia in long-term care settings, but little is known yet about the number of patients with severe cognitive impairment who are able to complete this measure, and the characteristics of those unable to do so. The aim of the study is to advance knowledge of these issues. METHODS: Data on residents with dementia were collected from 11 nursing homes. The QOL-AD residential version was directly applied to residents with dementia diagnosis and Mini-Mental State Examination scores under 27, randomly selected in each center. Residents' QoL was further assessed from the perspective of some close relative and some staff member. Altogether, 102 data sets from residents, 184 from relatives, and 197 from staff members were collected. An analysis of the characteristics of completers versus non-completers regarding levels of cognitive impairment was carried out. RESULTS: People with dementia in long-term care are able to report their QoL. The QOL-AD completion rate decreases as the cognitive impairment level increases; non-completion is associated with greater overall impairment. About 30% of residents with severe cognitive impairment could self-report on their QoL with acceptable reliability. CONCLUSIONS: QoL self-rating should be the first-line option when assessing residents with severe cognitive impairment. For those that are not able to complete self-report measures, proxies' report could be an alternative, although the development of other assessment procedures (e.g. observational) should be considered.
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 | 0,000 | 0,000 |
| 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 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 ».