Assessment of dizziness among older patients at a family practice clinic: a chart audit study
Notice bibliographique
Résumé
BACKGROUND: Dizziness is a common complaint among the elderly with a prevalence of over 30% in people over the age of 65. Although it is a common problem the assessment and management of dizziness in the elderly is challenging for family physicians. There is little published research which assesses the quality of dizziness assessment and management by family physicians. METHODS: We conducted a retrospective, chart audit study of patients with dizziness attending the Sunnybrook Family Practice Center of Sunnybrook and Women's College Health Sciences Center (SWCHSC) in Toronto. We audited a random sample of 50 charts of patients from 310 eligible charts. Quality indicators across all dizziness subtypes were assessed. These quality indicators included: onset and course of symptoms; symptoms in patients' own words; number of medications used; postural blood pressure changes; symptoms of depression or anxiety; falls; syncope; diagnosis; outcome; specialty referrals. Quality indicators specific to each dizziness subtype were also audited. RESULTS: 310 charts satisfied inclusion criteria with 20 charts excluded and 50 charts were randomly generated. Documentation of key quality indicators in the management of dizziness was sub-optimal. Charts documenting patients' dizziness symptoms in their own words were more likely to have a clinical diagnosis compared to charts without (P = 0.002). CONCLUSIONS: Documentation of selected key quality indicators could be improved, especially that of patients' symptoms in their own words.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».